下载文档原格式
大数据分析师行业的成功案例和职业典范在当前信息化和数字化的时代，大数据成为了企业决策和发展的重要依据，而大数据分析师的职业也由此应运而生。
大数据分析师通过对海量数据的收集和分析，为企业提供有价值的洞察和决策支持。
本文将介绍几个成功的大数据分析师案例，以及他们的职业典范，从中我们可以看到大数据分析师行业的发展前景和重要性。
案例一：黄天笔 - 全球知名零售企业大数据分析师黄天笔毕业于某著名大学的计算机专业，他对大数据分析技术有着浓厚的兴趣。
大学期间，他利用课余时间自学数据分析相关知识，并积极参与相关实践项目。
毕业后，黄天笔加入了一家全球知名零售企业，成为了该企业的大数据分析师。
黄天笔的工作职责是负责分析该公司的销售数据、客户数据和市场数据，为企业的市场营销、产品策略和供应链管理等提供决策支持。
他利用数据挖掘和统计分析等技术，对大量的数据进行整理和分析，发掘出了一些有价值的洞察，比如消费者购买习惯的变化趋势、产品销售渠道的优化方案等。
这些洞察让企业能够更加准确地识别市场需求，优化产品结构，并且实现了销售和利润的增长。
黄天笔在行业内积极参与技术交流和分享，他经常在大数据分析相关的会议和研讨会上做报告，分享自己的经验和思考。
他的优秀工作表现也获得了业内的认可，多次获得行业奖项。
案例二：李明月 - 创业公司大数据分析师李明月是一位自由职业的大数据分析师，她曾经在一家大型互联网公司工作，拥有丰富的大数据分析经验。
然而，李明月对传统公司的官僚体系感到不适应，她追求更多自由和创新的工作环境，于是决定创业。
李明月在创业初期遇到了许多困难，但她凭借自己的专业技能和经验，快速建立了一支高效的大数据团队。
他们为初创企业提供数据分析和业务咨询服务，帮助企业在市场定位、用户需求挖掘和产品优化等方面得到突破。
李明月注重自己的个人品牌建设，她经常在行业博客发表自己的见解和观点，吸引了众多关注者的目光。
她还积极参与行业圈子的交流活动，与其他创业者和专业人士进行交流和合作。
大数据分析在新闻行业中的应用成功案例随着信息时代的到来，大数据分析已经成为各行各业的重要工具。
在新闻行业中，大数据分析的应用也日益广泛。
通过对海量数据的收集、整理和分析，新闻从业者能够更加准确地把握信息的脉络，提供更有深度和广度的报道。
下面将介绍几个大数据分析在新闻行业中的成功案例。
首先，大数据分析在新闻的选题和报道中发挥了重要作用。
传统的新闻选题往往依赖于编辑的经验和直觉，而大数据分析则能够提供更加客观和全面的依据。
例如，某新闻机构通过分析社交媒体上的热门话题和关键词，发现了一个潜在的新闻热点：某个地区的环境污染问题。
通过进一步的调查和报道，该新闻机构揭露了该地区企业的违法行为，引发了公众的广泛关注和讨论。
这个案例表明，大数据分析不仅能够帮助新闻从业者发现新闻热点，还能够为报道提供更加客观和全面的依据。
其次，大数据分析在新闻的传播和推广中也起到了重要作用。
在传统的新闻传播模式中，新闻机构往往通过报纸、电视和广播等传统媒体进行报道。
然而，随着互联网的普及和社交媒体的兴起，新闻机构需要更加灵活和多样化的方式来传播和推广新闻。
大数据分析为新闻机构提供了宝贵的信息，帮助他们更好地了解受众的需求和偏好。
通过分析用户的浏览记录、点击行为和社交媒体上的评论，新闻机构能够更加精准地推送新闻内容，提高用户的阅读体验和参与度。
例如，某新闻机构通过分析用户的兴趣和偏好，推送了一系列与用户相关的新闻报道和专题活动，吸引了大量用户的关注和参与。
这个案例表明，大数据分析能够帮助新闻机构更好地了解受众，提供更加个性化和精准的新闻内容。
此外，大数据分析还能够帮助新闻机构提高新闻质量和效率。
在新闻报道中，准确和及时是最重要的要求。
然而，传统的新闻收集和整理方式往往需要耗费大量的时间和人力。
大数据分析的应用能够帮助新闻机构更加高效地收集和整理新闻素材。
例如，某新闻机构通过分析各大社交媒体上的热门话题和关键词，快速了解到了某个事件的最新进展和相关报道。
相关关系与因果关系举例子1 相关关系相关性（Correlation）是两种或两种以上事物之间的相互关系。
通常，这是一种统计关系，其中两个变量是相互依赖的：当两个或两个以上的变量一起增加或减少时，就会发生正相关关系。
例如，变量"脚码"和"鞋码"之间有明显的相关性，因为脚较大的人拥有更大的鞋子。
例如，气温和冰激凌销量之间的关系，夏天气温越高，冰激凌销量越大。
例如，吃的脂肪和碳水越多，人的体重越高。
当一个变量随着另一个变量的减少而增加时，就会发生负相关关系。
例如，"车辆速度"和"行驶时间"的变量呈负相关，因为更快的车辆通常会在更短的时间内完成旅程。
例如，温度越高，冰棒融化得越快。
当一个变量对另一个变量的增加或减少无动于衷时，这两者之间是没有相关关系。
例如，晓明的A同学疫情期间收入大幅下降，今年收入大幅提升，晓明的收入没有变化。
从左到右分别为正相关、负相关和不相关。
像这样的相关性是有用的，它们可以帮助发现事物之间的联系。
在某些情况下，甚至可以识别变量之间的因果关系。
例如，很少有人会否认温度越高导致冰激凌融化得越快，或者更快的车辆可以缩短旅途时间。
但是，在得出这种结论时，我们必须小心谨慎。
相关性并不意味着因果关系，相关关系不等于因果关系。
如果我们曲解了相关关系，我们就可能陷入错误的原因谬论。
比如，夏天冰激凌卖得越多，被鲨鱼咬伤的人越多。
比如，美国婴儿叫“AVA”的人越多，美国房价越高。
左：冰激凌销量和鲨鱼攻击数惊人重合；右：名字叫AVA越多，美国房价越高2 因果关系之梯：因果关系的三个层级图灵奖得主、“贝叶斯网络之父”Judea Pearl写了一本书，《为什么：关于因果关系的新学》, 阐述了因果之梯。
英文版、中文版、Judea Pearl在这本书中，Pearl厘清了因果关系，将之分为三个层次，从低到高分别是：关联、干预、反事实推理。
数据挖掘关联案例全文共四篇示例，供读者参考第一篇示例：数据挖掘关联案例数据挖掘是一种通过从大型数据集中发现模式、关系或规律来提取知识和信息的过程。
在当今信息爆炸的时代，数据量呈指数级增长，数据挖掘成为了一种重要的技术手段。
通过数据挖掘，我们可以从海量数据中分析并提取出有价值的信息，帮助企业做出决策、改善生产效率、提升用户体验等。
关联分析是数据挖掘中的一项重要技术，通过发现数据集中的相关性规律，揭示事物之间的内在联系。
下面我们来看几个关于数据挖掘关联案例的实例。
1. 超市购物篮分析超市购物篮分析是一个经典的关联分析案例。
通过对超市的销售数据进行挖掘，可以找到一些有用的规律，比如客户购买某种商品的同时还会购买另一种商品，从而可以为超市制定更合理的促销策略。
通过数据挖掘可以分析到，顾客购买尿布的同时往往也会购买婴儿食品，这提示超市可以将这两种商品放在一起销售，提高销售额。
2. 电商推荐系统在电商领域，数据挖掘的关联分析也扮演了重要的角色。
电商平台通过用户的浏览、购买行为数据，可以挖掘出用户的偏好和行为习惯，进而为用户推荐更加符合其需求的商品。
当用户浏览了一款手机之后，系统可以根据其他用户的购买行为推荐相关配件或其他品牌的手机，提高用户的购买转化率。
3. 医疗预测模型在医疗领域，数据挖掘也有着广泛的应用。
医疗数据量大，包含着疾病的发展规律和治疗方案等信息。
通过对医疗数据进行关联分析，可以发现一些疾病之间的关联性，提前预测患者的病情发展，制定更加科学的治疗方案。
通过对慢性病患者的数据进行分析，可以找到某些疾病之间存在的相关性，从而更好地指导医生的诊治工作。
4. 金融风控在金融领域，风险控制是至关重要的一环。
借助数据挖掘技术，金融机构可以对用户的信用评分、贷款风险等进行预测和评估，避免不良风险的出现。
通过挖掘用户的消费、还款等数据，可以发现用户的借贷偏好和风险特征，制定更加有效的风险控制策略。
数据挖掘关联分析在各个领域都有着广泛的应用，可以帮助企业更好地了解用户需求，优化决策流程，提高生产效率。
第1篇一、大数据背景下的法律案例概述1. 案例一：大数据助力公安机关破获系列盗窃案2017年，某市公安机关接到多起盗窃案件报警，涉案金额较大。
由于案件现场没有留下明显的指纹、脚印等物证，案件侦破陷入困境。
后公安机关利用大数据技术，通过分析盗窃案件的时间、地点、作案手法等数据，成功锁定嫌疑人，破获系列盗窃案。
2. 案例二：大数据助力法院判决知识产权纠纷某知名企业发现市场上存在大量侵犯其知识产权的产品，遂将侵权方告上法庭。
法院在审理过程中，利用大数据技术对侵权方的销售数据、市场占有率等进行分析，为判决提供了有力支持，最终判定侵权方败诉。
3. 案例三：大数据助力保险公司理赔某保险公司客户在购买保险后不幸遭遇车祸，家属向保险公司申请理赔。
保险公司利用大数据技术，分析客户的车祸发生原因、事故现场情况等数据，快速判断理赔是否符合条件，提高了理赔效率。
二、大数据在法律案例中的应用1. 数据收集与分析大数据技术在法律案例中的应用首先体现在数据收集与分析。
通过收集案件相关数据，如当事人信息、证据材料、判决结果等，利用大数据分析技术，挖掘案件背后的规律和关联，为案件侦破、审理、执行提供有力支持。
2. 案件预测与预警大数据技术可以帮助司法机关对案件进行预测和预警。
通过对历史案件数据的分析，司法机关可以预测未来可能发生的案件类型、地域分布、涉案金额等，从而提前做好预防和应对措施。
3. 证据链构建与验证大数据技术可以辅助构建证据链，提高证据的证明力。
通过对案件相关数据的挖掘和分析，司法机关可以找出证据之间的关联，形成完整的证据链，为案件审理提供有力支持。
4. 法律法规研究与应用大数据技术可以帮助法律研究者分析法律法规的实施情况，为立法、执法、司法提供参考。
通过对法律法规实施数据的挖掘和分析，研究者可以发现法律法规的不足之处，为完善法律体系提供依据。
三、大数据对司法公正的影响1. 提高司法效率大数据技术可以帮助司法机关提高案件办理效率，缩短案件审理周期。
spss地大数据分析资料报告案例spss 的大数据分析资料报告案例在当今数字化时代，数据已成为企业和组织决策的重要依据。
SPSS （Statistical Product and Service Solutions）作为一款功能强大的统计分析软件，在处理和分析大数据方面发挥着重要作用。
本文将通过一个实际的案例，展示如何运用 SPSS 进行大数据分析，并从中得出有价值的结论。
一、案例背景假设我们是一家电商公司，拥有大量的用户交易数据。
我们希望通过对这些数据的分析，了解用户的购买行为、偏好以及市场趋势，以便优化产品推荐、营销策略和供应链管理。
二、数据收集与整理首先，我们从数据库中提取了相关的数据，包括用户的基本信息（如年龄、性别、地域等）、购买记录（产品类别、购买时间、购买金额等）以及浏览行为等。
这些数据量庞大，可能达到数百万甚至数千万条记录。
在将数据导入 SPSS 之前，我们需要对数据进行预处理，包括数据清洗、缺失值处理和异常值检测。
例如，删除重复的记录、填充缺失的关键信息，并剔除明显不符合常理的异常值。
三、数据分析方法1、描述性统计分析通过计算均值、中位数、标准差等统计量，对用户的年龄、购买金额等变量进行概括性描述，了解数据的集中趋势和离散程度。
2、相关性分析分析不同变量之间的相关性，例如用户年龄与购买金额之间、购买频率与产品类别之间的关系。
3、分类分析使用聚类分析将用户分为不同的群体，以便针对不同群体制定个性化的营销策略。
4、时间序列分析对于购买时间等变量，运用时间序列分析方法预测未来的销售趋势。
四、SPSS 操作与结果解读1、描述性统计分析结果例如，我们发现用户的平均年龄为 30 岁，购买金额的中位数为 500 元，标准差为 200 元。
这表明大部分用户年龄较为年轻，购买金额分布相对较为集中。
2、相关性分析结果发现用户年龄与购买金额之间存在较弱的正相关关系，即年龄较大的用户可能购买金额相对较高。
交通运输中大数据分析的应用案例在当今数字化时代，大数据分析已经成为交通运输领域的关键工具，为改善交通流量、提高安全性、优化运营效率等方面带来了显著的变革。
以下将为您介绍一些在交通运输中大数据分析的具体应用案例。
一、智能交通管理在城市交通管理中，大数据分析发挥着至关重要的作用。
以北京市为例，通过在道路上部署大量的传感器、摄像头等设备，收集了海量的交通数据，包括车辆流量、车速、道路拥堵情况等。
利用大数据分析技术，对这些数据进行实时处理和分析，交通管理部门能够准确地掌握城市道路的交通状况，并及时采取措施进行调控。
例如，当某个区域出现交通拥堵时，系统会自动分析拥堵的原因和范围，并智能地调整信号灯的时长，引导车辆分流，从而缓解拥堵。
此外，大数据分析还可以预测交通流量的变化趋势，提前做好交通疏导预案，避免出现大面积的拥堵。
二、公共交通优化大数据分析在公共交通领域也有着广泛的应用。
比如，某市的公交公司通过收集乘客的刷卡数据、车辆的运行轨迹、站点的上下客数量等信息，深入了解乘客的出行需求和习惯。
基于这些数据的分析，公交公司可以优化公交线路和发车频率。
对于客流量较大的线路，增加车辆投入和发车频次，以减少乘客的等待时间；对于客流量较小的线路，则适当调整运营计划，提高资源利用效率。
同时，大数据还能帮助公交公司预测特定时间段和区域的客流量，提前调配车辆和人员，确保在高峰时段和热门区域有足够的运力，为乘客提供更好的服务。
三、物流配送效率提升在物流行业，大数据分析同样带来了巨大的效益。
一家知名的电商物流企业，通过整合订单数据、仓库库存数据、运输车辆的位置和状态等信息，实现了物流配送的智能化管理。
系统可以根据订单的目的地、货物的重量和体积、车辆的剩余运力等因素，自动规划最优的配送路线。
这不仅减少了运输里程和时间，降低了油耗和运输成本，还提高了货物的送达速度和准确性，提升了客户满意度。
此外，大数据分析还能够对库存进行精准预测，帮助企业合理控制库存水平，避免库存积压或缺货的情况发生。
列举生活中大数据相关的例子
1.电子商务：在线购物网站通过大数据分析顾客购买历史、搜索记录、浏览行为等信息，以个性化推荐产品、优化营销策略，提高销售效率。
2. 社交媒体：社交媒体平台利用大数据分析用户活跃度、兴趣、人际关系等信息，推荐内容、广告，提高用户留存率和广告效果。
3. 金融服务：银行和保险公司通过大数据分析顾客信用记录、风险偏好、历史交易等信息，进行风险控制、产品定制、客户细分等服务。
4. 物流配送：物流公司利用大数据分析交通状况、货物流向、仓库库存等信息，优化路线规划、配送计划，提高效率和服务质量。
5. 智慧城市：城市管理部门利用大数据分析交通流量、能源消耗、环境污染等信息，进行城市规划、公共服务布局、环境治理等工作。
6. 医疗健康：医疗机构利用大数据分析病例数据、基因组信息、医疗设备数据等信息，进行疾病预测、诊断、治疗等工作，提高医疗质量和效率。
7. 教育培训：教育机构利用大数据分析学生学习表现、兴趣爱好、学科特长等信息，进行教育资源分配、个性化教学等工作，提高教育质量。
8. 设备维护：制造业企业利用大数据分析生产设备运行数据、故障记录、维修历史等信息，进行预测性维护、故障排除等工作，提
高设备效率和生产力。
啤酒与尿布的经典案例,充分体现了实验思维
啤酒与尿布的案例是一个经典的实验思维案例，它揭示了大数据和相关性挖掘的潜力。
这个案例中，研究人员通过对大量购物数据进行分析，发现了一个有趣的相关性：啤酒和尿布的购买量经常同时增加。
这一发现最初看似无关，但在进一步的分析后，研究人员推断出这种相关性可能是由于年轻父亲在购买尿布时顺便为自己购买啤酒。
这个案例显示了实验思维的重要性，通过分析和观察大量数据来寻找未知的联系和模式。
实验思维包括以下要素：
1. 观察：首先需要对研究对象进行细致的观察，记录下所有的相关数据。
在这个案例中，研究人员观察到了啤酒和尿布购买量的变化。
2. 假设：在观察的基础上，提出合理的假设。
在这个案例中，研究人员假设啤酒和尿布购买量的增加可能存在某种相关性。
3. 实验：设计实验来验证假设。
在这个案例中，研究人员通过大数据分析来验证啤酒和尿布购买量之间的相关性。
4. 分析：对实验结果进行分析，得出结论。
在这个案例中，研究人员发现啤酒和尿布的购买量确实存在相关性，并进一步推断出这种相关性可能是由于年轻父亲在购买尿布时顺便为自己购买啤酒。
5. 结论：基于分析得出结论，并对未来的研究方向进行展望。
在这个案例中，研究人员得出了啤酒和尿布之间存在相关性的结论，并提出了这种相关性可能的原因。
通过啤酒与尿布的案例，我们可以看到实验思维在数据分析中的重要性。
在大数据时代，我们拥有海量的数据资源，如何利用实验思维对这些数据进行有效的分析和挖掘，发现其中的规律和价值，是当前科学研究和技术应用的重要方向。
大数据思维中的相关而非因果举例
1.温度与冰淇淋销量的相关性：在夏季高温时，冰淇淋销量通常会增加。
这种变化是温度和销量之间的相关性，并非因为高温导致了冰淇淋销量的增加。
2. 身高与体重的相关性：身高高的人通常体重也会偏重，这并不意味着身高本身是导致体重增加的因素，而是两个变量之间的相关性。
3. 广告投放与销售额的相关性：在某些情况下，广告投放可以提高销售额，但这并不意味着广告本身是直接导致销售额增加的因果因素。
很可能还有其他因素，如产品质量、市场需求等，共同影响了销售额的变化。
4. 饮食与寿命的相关性：某些研究表明，健康饮食可以延长寿命，但这并不是因为饮食本身是导致寿命增加的因素，而是饮食和寿命之间的相关性。
以上例子表明，大数据分析需要注意相关性与因果关系的区别。
在分析大数据时，应该使用科学的方法来确定变量之间的关系，以避免对数据的误解和错误推断。
- 1 -。
大数据相关性分析案例50款大数据的经典应用案例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。
3. 沃尔玛的搜索。
这家零售业寡头为其网站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。
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供晚餐。
6. PredPol Inc.。
PredPol公司通过与洛杉矶和圣克鲁斯的警方以及一群研究人员合作，基于地震预测算法的变体和犯罪数据来预测犯罪发生的几率，可以精确到500平方英尺的范围内。
在洛杉矶运用该算法的地区，盗窃罪和暴力犯罪分布下降了33%和21%。
7. Tesco PLC（特易购）和运营效率。
这家超市连锁在其数据仓库中收集了700万部冰箱的数据。
通过对这些数据的分析，进行更全面的监控并进行主动的维修以降低整体能耗。
8. American Express（美国运通，AmEx）和商业智能。
以往，AmEx只能实现事后诸葛式的报告和滞后的预测。
“传统的BI已经无法满足业务发展的需要。
”Laney认为。
于是，AmEx开始构建真正能够预测忠诚度的模型，基于历史交易数据，用115个变量来进行分析预测。
该公司表示，对于澳大利亚将于之后四个月中流失的客户，已经能够识别出其中的24%。
9、Espresso作为一个事务一致性文件存储。
LinkedIn建成的一个最重要的数据库是Espresso，通过对整个公司的网络操作将取代遗留的Oracle数据库。
它最初的设计就是为了提供LinkedIn InMail消息服务的可用性。
10、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。
11、Express Scripts药物管理服务。
通过一些复杂模型来检测虚假药品，这些模型还能及时提醒人们何时应该停止用药。
12、保险行业基于MongoDB的应用程序。
MongoDB汇聚了来自70多个遗留系统的数据，并将它合并成一个单一的记录。
它运行在两个数据中心的6个服务器上，目前存储了24TB的数据。
这包括MetLife的全部美国客户，尽管它的目标是扩大它的国际客户和多种语言，同时也可能创建一个面向客户的版本。
它的更新几乎是实时的，当新客户的数据输入时，就好像Facebook墙一样。
13、职业篮球赛。
来自Krossover团队根据教练上传的每场比赛过后的视频将其分解，等到第二天教练再看昨晚的比赛时，他只需检查任何他想要的——数据统计、比赛中的个人表现、比赛反应等等。
通过分析比赛视频，毫不夸张地分析所有的可量化的数据。
14、中医智慧养生。
基于探码大数据的中医智慧养生平台是研究开发一套中医药特色的养生智能自助系统，该系统通过计算机信息技术、模糊数学理论和中医药理论，结合中医证型和中医体质学，通过智能养生系统，整合中医界著名专家的研究和临床经验，收录海量的各种中医体质信息和调试调理方式。
用户输入自己的当前状态，系统根据这些输入信息，判断用户属于哪种不同的证型和体质，对用户给出中医药为主的包括，心理调适，运动养生，音乐调理，药食药膳，生活起居等各方面建议和初期诊断。
15、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。
16、印度Satyamev jayate电视节目。
该节目整理并分析社会民众关于争议话题的各种意见，包括女性堕胎、种姓歧视和虐待儿童等社会热点问题，并使用这些数据来推进政治改革。
17、Facebook。
Facebook联合创始人，克里斯•休斯就建议扎克伯格在网站上推出相关服务，帮助总统候选人在Facebook上建立个人主页，以便他们进行形象推广。
18、MailChimp的电子邮件服务。
MailChimp的一个重要任务就是搞清楚如何帮助客户更好地了解他们所发送的信息。
考虑到这一点，该公司建立了一个服务叫Wavelength，向客户展示了与他们相似的其他讯息。
这个系统使得Wavelength能够储存公司数据库中每个邮件地址发生的互动。
这意味着告诉了你,用户打开了什么样的邮件，何时打开，他们点击了什么链接，还有订阅了什么邮件。
19、音乐元数据公司Gracenote。
Gracenote拥有数百万首歌曲的音频和元数据，因而可以快速识别歌曲信息，并按音乐风格、歌手、地理位置等分类。
20、全球零售业巨头沃尔玛啤酒+尿布。
全球零售业巨头沃尔玛在对消费者购物行为分析时发现，男性顾客在购买婴儿尿片时，常常会顺便搭配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿布摆在一起的促销手段。
没想到这个举措居然使尿布和啤酒的销量都大幅增加了。
如今，“啤酒+尿布”的数据分析成果早已成了大数据技术应用的经典案例，被人津津乐道。
21、数据新闻让英国撤军。
2010年10月23日《卫报》利用维基解密的数据做了一篇“数据新闻”。
将伊拉克战争中所有的人员伤亡情况均标注于地图之上。
地图上一个红点便代表一次死伤事件，鼠标点击红点后弹出的窗口则有详细的说明：伤亡人数、时间，造成伤亡的具体原因。
密布的红点多达39万，显得格外触目惊心。
一经刊出立即引起朝野震动，推动英国最终做出撤出驻伊拉克军队的决定。
22、QQ圈子把前女友推荐给未婚妻。
2012年3月腾讯推出QQ圈子，按共同好友的连锁反应摊开用户的人际关系网，把用户的前女友推荐给未婚妻，把同学同事朋友圈子分门别类，利用大数据处理能力给人带来“震撼”。
23、Google成功预测冬季流感。
2009年，Google通过分析5000万条美国人最频繁检索的词汇，将之和美国疾病中心在2003年到2008年间季节性流感传播时期的数据进行比较，并建立一个特定的数学模型。
最终google成功预测了2009冬季流感的传播甚至可以具体到特定的地区和州。
24、XO Communications通过使用IBM SPSS预测分析软件，减少了将近一半的客户流失率。
XO现在可以预测客户的行为，发现行为趋势，并找出存在缺陷的环节，从而帮助公司及时采取措施，保留客户。
此外，IBM新的Netezza网络分析加速器，将通过提供单个端到端网络、服务、客户分析视图的可扩展平台，帮助通信企业制定更科学、合理决策。
25、电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。
26、中国移动通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。
系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。
27、NTT docomo把手机位置信息和互联网上的信息结合起来，为顾客提供附近的餐饮店信息，接近末班车时间时，提供末班车信息服务。
28、浪潮GS助力广安集团一猪一ID强化食品安全。
作为辐射全国的农牧企业集团，多年来广安集团一直企业信息化进程与企业发展需求不匹配的问题。
2013年，广安集团引入浪潮GS，采用单件管理系统，通过一猪一ID对其成长周期进行全过程监控，促使食品安全可追溯，实现饲养流程精细化、集约化管理，使每年饲料节约了2成左右，为广安的智慧企业养成之路奠定了基础。
29、济南借力IBM 加快”智慧旅游”。
济南正在推进智慧化旅游公共服务平台建设，借助IBM创建的智慧旅游成熟度评估模型，根据自身旅游业所处的发展阶段，以及济南旅游业实现跨越式发展所需要采取的具体行动，加快济南打造国际旅游名城的脚步。
IBM正是利用大数据平台实现各旅游部门的信息共享，为行业管理、规范市场运作提供数据支撑。
在对游客数据进行分析的基础上对游客群体进行细分，针对每一群体制定有针对性的营销策略。
30、Informatica帮助紫金农商银行深挖数据价值。
紫金农商银行ODS数据仓库项目建设使用Informatica产品完成数据的加载、清洗、转换工作显得尤为简单，图形化、流程化设计使维护人员能够快速、顺畅的操作，即使数据源结构发生变化，也不会像以前必须修改大量的程序代码，只需要在PowerCenter中配置一下即可。
31、华为大数据方案在福建移动的应用。
为进一步提升外呼成功率，从2014年初开始，福建移动联合华为公司开展基于大数据的精准营销工作，采用大数据分析的方法选择外呼目标价值用户。
基于大数据分析方法和传统外呼方法分别提供20万目标客户清单，在前台无感知下进行对比验证，确保对比效果不受人为因素影响，经过外呼验证，基于大数据分析方法较传统方法外呼成功率提升50%以上，有效支撑了福建移动4G用户发展战略。
32、神州数码助张家港市更”智慧”。
在张家港实践的城市案例中，市民登录这款”神州数码”研发的市民公共信息服务平台后，市民只要凭借自己的身份证和密码，即可通过该系统平台进行240余项”在线预审”服务、130余项”网上办事”服务等，还可通过手机及时查看办事状态。
相比于以前来说，市民办事的时间最少可以节省一半以上。
33、软通动力大数据平台为政府以及企业提供舆情监控服务。
基于大数据、云计算等新兴技术手段，软通动力信息技术（集团）有限公司于2014年推出了大数据舆情监测平台产品，为政府以及企业提供舆情监控服务。
大数据舆情监测平台提供的”企业画像”功能，是专为企业打造的一个便捷智能分析产品。
”企业画像”通过对企业市场、客户、产品、业务等海量信息出发，通过多角度分析和智能挖掘来构建一系列可视化数据，致力于帮助企业发现大数据中隐藏的价值和商机。
