5个具有有效用例的大数据应用-这些大数据应用正在帮助业务利用一种数据驱动的方法

尽管你的机构不得不变得更加数据驱动，但很多人还是不知道如何从依靠直觉的心态转换成数据优先的心态。
最简单的途径？不要自己白费力气做重复的研究了，还是沿着前人的足迹抄个近路吧。这里是5个很酷的大数据应用，它们的用例（以及最终用户）给“照常营业（尽管受到骚扰）”下了一个新的定义。
1. Roambi
这个大数据应用程序是如何工作的：

在向数据驱动转变的决策过程中，往往被忽略的一件事情就是移动性。数量不断增长的移动工作者需要更多方式来通过智能手机来操作数据。移动工作者需要像在办公室一样能访问和分析同样的业务数据，随时可以做出明智的决策。
Roambi就是为了解决这个问题而诞生的。Roambi 的目标是重新改造移动业务应用，来提高移动工作者的生产力和决策力。Roambi 从移动的角度重新定义了人们互相交互、共享和提供数据的方式。

著名的用例：NBA Phoenix太阳队。

除了在球场持续保持精英水准的目标之外，Phoenix太阳队还使用数据分析大步提升他们的球场地位，数据分析帮助他们同时制定业务和篮球的战略决策。
虽然在NBA中有人认为基础设施和流程都不重要，在过去的三年中，Phoenix太阳队不仅花了大量的投资在梳理他们积累的数据上，而且也在保证数据精确性上花费巨大，以保证整个团队的所有决策者都可以使用这些数据。
不管是一个非现场会议或长途旅行，作为一个专业的运动团队，他们常常要离开办公室进行工作。团队的拥有者不得不寻找一种方式，能使得身处各地的决策者们能够用到关键的业务数据。
当太阳队开始考虑向移动转变时，他们提了一个很正常的需求：移动解决方案必须是有价值的，更重要的是，让人容易使用。因为绝大多数最终用户都没有技术背景。
太阳队选择了Roambi，他们开始在管理部门使用Roambi Analytics，把关键球员的数据实时可视化
 在初期项目成功后，太阳队决定把Roambi推广到他们的后勤部门。在商务方面，太阳队通过提供销售和营销的KPI，分析汇报门票销售、比赛总结、赛场营销、客户购买行为、库存等几乎所事情，从而优化他们的运营。而这一切都是通过移动设备来完成的，所以管理人员可以及时的通过这些数字做出重要的决策。

2.Esri ArcGIS
这个大数据应用程序是如何工作的：

如同名字暗示一样，是一个GIS系统，它使得创建数据驱动的地图和可视化更加容易。

著名的用例：（对此用例，它更是一种合作关系）在七月中旬的Esri用户大会上，该公司彻底更新了它的Urban Observatory项目。此项目是Richard Saul Wurman和Radical Media合作开发的，并于去年发布。Urban Observatory能帮助各个城市用地图的通用语言来理解多变的数据集中的模式。 
“我们的世界中到处都是大数据环绕在我们周围，直到最近，仍然未被真正理解，”Wurman说道，“我们正在迭代开发一种通用语言，用于绘制城市化的进程。它不仅让城市能够了解到它们的表现、土地使用，最终使之了解每个变化和行动的细微差别”
我参加了上星期的Esri用户大会，并花了大量的时间在Urban Observatory展区（包括排队进入展馆的时间）。这是一个交互式的展示，你可以用一块触摸屏来对比世界各个城市的数据。
世界上至少有一半的人口目前居住在城市地区。根据Global Health Observatory（GHO）项目，到了2050年，70%的人口居住在城市。而今年，差不多有60个城市参加了Urban Observatory项目。
Urban Observatory项目对全球的城市开放，只要愿意共享官方数据的城市都可以参加。在2015年2月，Urban Observatory将会在史密森学会永久展示。

3. Cloudera Enterprise
这个大数据应用程序是如何工作的：在搞定历史上最大的一轮融资之后，Cloudera使用它的APPs已经逐渐打入物联网市场，并在7月中旬与一家主要的家庭自动化公司签订了合作协议。哦，我差点忘了：它和Intel紧密的合作/投资关系也是不能忽略的。

著名的用例：Cloudera有很多用户，其中，Wells Fargo和家庭自动化公司Vivent 是需要注意的两家。Wells Fargo最近使用Cloudera Enterprise 构建了一个企业数据中心。
但Vivent更加吸引我的注意，因为它绑定了两个当前最热的、最有前途的技术趋势。Vivent使用 Cloudera Enterprise来收集家庭内部或周围的智能设备和传感器产生的数据。“有了Cloudera，我们可以同时观察多个数据流，比如行为数据、地理位置数据、可操作的事件等，来更好的理解并丰富客户的生活。这个平台使得我们的业务与众不同，给了我们巨大的竞争优势。”Brandon Bunker说道，他是Vivent客户分析与洞察部门的总监。
 
Vivent说他们已经获得了超过80万用户，每户家庭里都安装各种各样的智能设备，大概每户有20~30个传感器。这些设备包括恒温感应器、智能设备、摄像头、门窗感应器、烟雾和一氧化碳感应器等。如果没有一个中央存储库来获取和分析每个传感器产生的数据，Vivent的创新能力将受到限制，无法为它的安全解决方案提供更高的智能。

例如，知道一间屋子什么时候有人住对于安全来说很重要。但对于暖通空调系统（该系统是家庭能源账单和碳排放的最大来源）来说，如果你选择只在房间里有人的时候才加热/制冷，可以节省一大笔电费开销。可以通过住户的地理位置（如果他的车能够联网，可以通过车的位置来获取住户的位置）来判断他是不是快要到家了，在他快要到家之前，  暖通空调系统才开始运转。研究表明，当住户离开或者熟睡时自动关闭暖通空调系统，能够节省20%~30%的能源开销。

4.Zaloni Bedrock
这个大数据应用程序是如何工作的：很多企业知道他们想要实现一个Hadoop的数据处理中心， 但他们不知道如何以一种节省成本、可伸缩的方式来实现他们的目标。此外,简单地将数据放入Hadoop并不能说明它已经为分析做好准备。为了使用通用分析工具集， 你必须知道数据在哪里， 是否结构化(或非结构化)，它是从哪里来的。
您可能还需要为过滤或JOIN数据集而做好准备，或者屏蔽那些敏感的数据。这通常需要大量的时间和精力，并非常容易出错。如果你的数据采集、组织、预处理都很糟糕，则分析的结果也同样糟糕。有缺陷的分析可能导致错误的业务决策，而作出更好的商业决策是整个Hadoop数据处理中心的意义所在。
而有了Zaloni Bedrock，这个过程是自动的。根据Zaloni的说明,你需要要设置它一次。无论你添加多少数据到Hadoop中都可以，因为没有技术限制。
Zaloni认为没有Bedroke这样的产品来帮助你，你将花费60%或更多的时间和精力来建立一个使用Hadoop的分析系统，而不是专注将用于数据管理和数据准备。

著名的用例：UnitedHealth Group的Optum部门，一个IT和科技辅助的健康服务业务部门，使用Bedrock作为数据平台的一部分，用来管理数据采集和工作流等服务。Bedrock使Optum能够监控多个数据源，捕获和储存模式/操作元数据，为终端用户提供数据目录搜索等功能。

5.Tamr
这个大数据应用程序是如何工作的：Tamr是一个数据连接和机器学习的平台，旨在使企业如同使用谷歌一样容易来寻找、探索数据。根据Tamr的说明，由于数据源数量众多，未利用的数据储量巨大，导致数据分析的成本和复杂性极高，大多数企业只能充分使用它们不到10%的数据。
在能够分析来自内部外部数据源的海量数据之前，那些采集和准备的工作效率太低了，成本太高了。Tamr认为，如果想要成功地帮助客户管理不断增长、各种各样的数据（来自内部数据源，外部公共和私人数据源，物联网数据源等），则需要一个完整的、改变传统的信息集成和质量管理方法。
著名的用例：跨国媒体和信息公司Thomson Reuters 正面临管理关键准确的数据的挑战。它的人工管理流程已经多得过分了。它转向使用Tamr提供的解决方案，不断充实和连接其核心企业信息资产(涉及数以百万计的企业，每个企业有超过540万条来自内外数据源的记录)。

使用Tamr，Thomson估计原来需要6个月的项目现在只需要2周就能完成了，而且需要四十小时手动审查时间，效率提高了12倍。需要人工审核的记录数量从30%减少到5%，跨数据源的识别匹配的数量增加了80%，满足了Thomson 95%精准的目标。

Tamr说消歧率(或解决冲突)从70%上升到95%。此外，Tamr从机器学习中获取的知识可以使得将来的数据集成只需要更少的时间。

原文地址：http://www.datamation.com/applications/5-big-data-apps-with-effective-use-cases-1.html