以內部視角來觀察10個數據分析的成功案例
以下是資訊長如何成功利用資料分析和機器學習來實現業務目標的成功案例。
如果把資料看成是一種新的石油，那麼知道如何將其提煉成可操作的情報則是釋放其潛力的關鍵。為此，資訊長們正在利用預測分析、精心設計的機器學習演算法和久經考驗的分析解決方案來追求提升業務效率和服務客戶的新方法。
資訊長們意識到，降低成本或增加收入可以幫助他們在高管層和董事會眼中熠熠生輝，因此他們在支援資料科學的技術上投入的資金比以往任何時候都多。
根據市場研究公司IDC的資料，今年全球大資料和商業分析軟體的收入將超過1660億美元，比2017年增長11.7%。此外，能夠與新興分析技術合作的人才爭奪戰也正處於白熱化的狀態。
一些資訊長已經找到了提振上下游增長的方法，他們研究了最近分享的資料，從中吸取了教訓，併為從事類似工作的同行提供了建議。
石油公司殼牌通過分析資料以預測機器故障
很少有行業能比能源行業產生更多的資料了。但多年來，石油巨頭殼牌甚至不知道其在世界各地的各種設施中的零件都位於哪裡;它不知道什麼時候需要再進貨;直到部件開始出現故障，它才知道什麼時候出現了維護問題。由於機器停機每天給公司造成了數百萬美元的損失，於是殼牌決定收集資料以避免這些問題。
殼牌卓越資料科學中心的總經理Daniel Jeavons表示，殼牌基於多家供應商的軟體建立了一個分析平臺，執行預測模型，以預測3000多種不同的石油鑽井機的部件何時會出現故障。
其中一個名為Databricks的工具通過Apache Spark來捕獲流資料。殼牌使用這個工具來更好地計劃什麼時候購買機器部件，儲存多長時間，以及在哪裡存放庫存物品。
該工具託管在微軟Azure的雲中，幫助殼牌將庫存分析從超過48小時減少到不到45分鐘，每年減少數百萬美元的庫存轉移和重新分配成本。
經驗總結:避免機器故障需要很多工具。Jeavons表示，殼牌的平臺包括了來自Databricks、Alteryx、C3、SAP和其他供應商的軟體，所有的這些軟體共同幫助了他的資料科學家來產生商業見解。最終，資訊長必須正確評估這些工具，並在進行大額購買之前瞭解哪些才是有效的。
ARC啟用了新的資料管理工具
資料是航空報告公司( ARC )的生命線，該公司每年結算航空公司之間價值超過880億美元的機票交易，包括德爾塔航空公司、美國航空公司、英國航空公司、阿拉斯加航空公司以及Expedia等旅行社。航空公司付費獲取ARC在這些交易中收集的資料，以瞭解更多的關於旅行者的目的地、旅行時間以及在此過程中每年為超過22億次航班支付的費用的資訊。
ARC捕獲資料，將其輸入分析引擎，對其進行細化，併為其客戶構建定製的報告。ARC 的CIO Dickie Oliver表示，該公司正從Teradata的資料倉庫遷移到Snowflake的雲軟體中，這將幫助ARC更快地將資料產品推向市場，並提供更大的可伸縮性和效能，這得益於其在AWS上的業務。Oliver表示，Snowflake是為了將計算資源與資料儲存分開而設計的，它使ARC能夠為客戶快速構建新的定製報告。Oliver補充說，多虧了這個專案，ARC將能夠為考慮新資料形式的客戶量身定製新的產品。
經驗總結:遷移到一個新的資料平臺通常是令人畏懼的，不僅僅是因為技術的轉變;變更管理是其中真正的麻煩所在。Oliver說，讓人們“從一開始就專注於改變，並讓他們經歷改變過程是這個過程中最具挑戰性的部分”，他補充說，他正全力培訓員工，包括讓他們通過認證，並引進顧問，如讓Slalom來幫助我們進行變更管理。
TD銀行在資料湖方面的天賦
TD銀行的資料分析團隊花了幾年時間來更新資料基礎設施，以滿足當前和未來的需求，並建立了一個企業Hadoop資料湖。
TD銀行企業資訊高階副總裁Joe DosSantos表示，我們使用了基於Cloudera的資料湖用來培養對客戶的洞察力，包括從跟蹤員工的流失率，到為客戶提供合適的產品。
TD 銀行的一個核心關注點包括讓業務分析師能夠從資料湖中提取資料，可用且可操作的能力，而無需資料科學家來親自操控。 DosSantos表示:“我們正在讓人們廣泛使用這些資料集。”他補充道，TD Bank還嘗試使用其分析平臺來檢測欺詐和其他瀆職行為。
經驗總結:過去幾年來，TD Bank一直在重新構想其企業資料平臺，篩選數十年來的客戶交易和其他資料。TD銀行沒有過度依賴Hadoop，而是使用了Talend的軟體來提取、轉換原始資料並將其載入到可用於可操作商業智慧的資訊中。
DosSantos解釋道:“Hadoop對於理解如何從A點到B點獲取資料方面並不是很好。而Talend有一個元資料管理器和一箇中央儲存庫來跟蹤資料湖中的資料移動和轉換。”
嘉吉公司正為蝦農提供資料分析
嘉吉公司(Cargill)的動物營養部門開發了一款名為iQuatic的移動資料跟蹤應用，幫助養蝦人降低產量的死亡率。
嘉吉動物營養公司的CIO Tiffany說，該應用程式能夠基於環境因素(如溫度、pH值和營養)來預測蝦池中的生物量，並與嘉吉公司的iQuatic自動喂蝦系統協同工作。Snyder在8月的CIO 100研討會上介紹了iQuatic系統。
只要農民將應用程式中的資料儲存到雲中，然後訪問實時的操作儀表盤，便能夠直觀顯示池塘的效能，提供關鍵的測量和預測分析，幫助他們更好地管理蝦健康並提高產量。以前，農民是用傳統的方式——用筆和紙來收集的這些資料。
經驗總結:為了構建這個應用程式，嘉吉公司派遣了工程師和企業高管去厄瓜多的一個養蝦場，瞭解農民是如何從池塘中獲取資料的。“我們讓農民成為了我們團隊的一部分，”Snyder說。通過在敏捷、two-pizza的團隊中快速工作，為在5個月內成功進行試點鋪平了道路，並最終實現了產品釋出。
讓資料分析在默克公司發揮作用
全球醫療保健公司默克希望利用在ERP和核心繫統中收集到的資料來進行生產執行和庫存控制，以獲得更多的商業見解。但是，由於它的工程師花費了60%到80%的精力去尋找、訪問和獲取每個專案的資料，以至於許多商業目標沒有得到實現。默克公司的IT製造資訊長Michelle D’alessandro表示:“我們沒有把資料視為一種可行的、永久的、有價值的資產。我們希望建立一種文化，在這種文化中，我們可以儘量在移動和報告資料上少花時間，從而將更多的時間花在使用資料來實現有意義的業務成果上。”
默克公司建立了MANTIS(製造和分析智慧)系統，這是一個über資料倉庫系統，包括了記憶體資料庫和開源工具，可以處理在結構化和非結構化系統中的資料，包括文字、視訊和社交媒體。重要的是，該系統能夠允許非技術業務分析師在視覺化的軟體中輕鬆的檢視資料。而資料科學家可以通過複雜的模擬和建模工具訪問資訊。MANTIS系統已經使公司整體IT分析專案總業務量的時間和成本降低了45%。有形的業務成果包括平均提前期減少了30%，平均庫存持有成本減少了50%。
經驗總結:D'Alessandro表示，她成功的關鍵是在亞太地區的一家工廠中設立了一個“標杆”分析專案，默克將在那裡獲得最大的回報。而在那裡展示了MANTIS的成功之後，它就為其他網站樹立了榜樣。她還學會了如何步步為營。D 'Alessandro說，她在一個早期的實驗中使用了人工智慧和機器學習來分析默克製造過程的成本，但她“做得過頭了”。她說:“這並不是因為缺乏贊助或缺乏遠見，我們只是無法讓它發揮作用。”
胡椒博士集團通過機器學習來進行語境相關性研究
多年來，胡椒博士集團(Dr. Pepper Snapple Group)的銷售員工通常會拿著一個裝滿客戶資料、銷售記錄和促銷資訊的大活頁夾，然後開始著手爭取沃爾瑪(Wal-Mart)和塔吉特(Target)等客戶。如今，銷售人員都配備了ipad，它會告訴他們需要訪問哪些商店，能夠提供什麼，以及其他的關鍵指標。胡椒博士集團的資訊長Tom Farrah表示:“他們是光榮的接單員。現在，他們正在成為智慧銷售人員，手中掌握著幫助其實現目標的資訊。”
該平臺名為MyDPS，配備了機器學習和其他分析工具，當員工載入應用程式時，這些工具就可以提供推薦，並向他們提供每日的運營記分卡。演算法將向員工展示他們將如何執行預期的計劃，包括他們是否按計劃完成計劃，以及如果沒有按計劃完成，該如何糾正。“如果我想讓一個人成功，我就必須確保他們所擁有得資訊是與工作內容相關的，”Farrah說。
經驗總結:為了測試MyDPS的概念證明，Farra將軟體交給了一家分公司的四個人，並讓業務總裁去拜訪他們。他們透露，在使用了MyDPS之後，執行銷售自上個月以來已經提高了50%，這一結果讓總裁批准了該專案。“他看到了結果，這就是銷售所需要的，這不僅僅是為了專案的商業贊助，也是為了得到預期的結果，這一點非常重要。”Farrah說。
柏克德通過卓越的大資料中心顛覆了自己
柏克德(Bechtel)公司的資訊長Carol Zierhoffer說，與建築相關的支出佔到了GDP的13%，但在過去20年裡，該行業的生產率只增長了1%。但專家表示，通過重新安排合同、提高工人技能、改善現場執行以及其他的一些調整措施，該行業可以將生產率提高50%至60%。於是，建造了胡佛水壩、英吉利海峽隧道和其他奇蹟工程的柏克德爾公司，開始從埋藏在商業各個領域的資料中挖掘靈感。
Zierhoffer建立了一個卓越的大資料中心，其中有一個包含5 P資料的資料湖，並開始了概念驗證。該公司使用了照片識別技術來代表客戶檢查和標註網站照片，以此節省了200萬美元。還使用了自然語言處理(NLP)工具來解析索賠、提案請求和合同。在過去需要幾天或幾周的估計和計劃現在只需要幾個小時。柏克德還擴充套件了分析工作，以考察員工的留任情況，包括試圖預測員工可能的離職時間。Zierhoffer說:“我們相信我們正在敲開生產力挑戰的大門。”。
經驗總結:資料倉庫和質量是關鍵。雖然柏克德可以分析大量資料，但必須提高整個企業的資料質量。“我們不得不顛覆自己，瞭解自己是如何工作的，並將所以資料都連線起來。”
藉助機器學習，RRD走向了新的業務之路
幾年前，營銷傳播公司RRD成立了一個物流部門，向消費者和企業運送印刷材料。為了支援這項業務，RRD自己管理貨物，並代表其合作伙伴運送從洗衣機到狗食的任何東西，最終發展成為了一個價值10億美元的企業。需要面臨的挑戰?那就是在這個聯邦快遞和UPS是無可爭議的王者的世界裡，找到一個最優的運費。
天氣、地理、司機和政治氣候等變數都可能使其業務損失慘重。RRD的CIO Ken O 'Brien說，由於迫切需要對費率變數進行預測，RRD轉向了機器學習和分析。它僱傭員工和大學來幫助編寫演算法，測試700條路線上的數千個場景，直到能夠實時預測運費——甚至提前七天以99%的準確率來預測運費。 O’Brien表示:“這個專案在不到一年的時間裡就收回了成本，而且我們仍然看到與貨運相關的業務在持續增長。”
經驗總結:新企業需要高水平的投入，儘管O 'Brien承認他的一些商業夥伴已經準備好了在不同的階段放棄。他們不信任這項技術，因為這一過程通常是憑感覺和猜測完成的。但RRD建立了一個協作環境，在這個環境中，業務部門和IT部門能夠共同努力來影響結果。“你可能會絆倒，也會有挑戰，但你要有耐心，”O’Brien說。
孟山都利用機器學習來優化種植
農民們總是在苦苦思索該種哪種種子，種多少，以及在哪裡和在什麼時候。種子巨頭孟山都(Monsanto)也是如此，它利用資料科學，通過利用數學和統計模型，繪製出最佳的時間線來種植雄性和雌性植物，以及在哪裡種植，從而為種植者提供指導性的建議。孟山都全球IT分析主管Adrian Cartier表示，該公司的機器學習演算法能夠在幾天內，而不是幾周或幾個月的時間，就能處理超過900億個資料點。這能帶來多少商業利益?2016年，孟山都節省了600萬美元，減少了4%的供應鏈足跡。Cartier說:“在北美，4%的土地利用率的下降就意味著很多土地沒有被使用，這將節省大量資金。”
經驗總結:孟山都成功的關鍵是在它和供應鏈業務之間建立了一種“從搖籃到墳墓”的合作方式。他們具有農業和供應鏈角度的專業知識，而我們具有數學和統計領域的專業知識，兩者結合起來，就創造了我們能夠提供的價值,Cartier說他還找到了“改變領導人和支持者”在供應鏈中角色的方法來抵消反對者的數量，以此形成一種健康的平衡。
對於Pitt Ohio來說，預測分析帶來了成功
Pitt Ohio的資訊長Scott Sullivan表示，貨執行業正受到“亞馬遜效應”的猛烈衝擊。價值7億美元的貨運公司Pitt Ohio已經習慣了在第二天提貨並將貨物交付給客戶。但是多虧了亞馬遜，顧客越來越期待能夠當天交貨。他們期待著更多關於他們包裹的資訊。
Sullivan說:“客戶現在不僅想知道什麼時候可以拿到，還想知道將如何拿到，這樣他們就可以規劃自己的工作。”。通過使用歷史資料、預測分析和演算法實時計算各種貨物的重量、行駛距離和其他因素，Pitt Ohio可以以99%的準確率估算出司機到達目的地的時間。該公司估計，他們由此可以通過老客戶的訂單增加收入(估計每年5萬美元)，並減少客戶流失的風險(估計每年6萬美元)。
經驗總結:Sullivan說，這是一個涉及市場研究、銷售運營和IT的跨部門事務，所有人都必須反覆檢查結果，以確保自己實現了目標。Sullivan說:“在你的企業內部中其實有很多的資料——你需要創新，並尋找具有挑戰性的方法來使用它們。”