？在這篇文章中，威爾？Kelly將與我們分享大數據和預測分析在許多行業中的壹些非常規用途。
我們已經在性方面接觸到許多關於大數據和預測分析的約定、挑戰、流行思維概念和商業模式的文章。然而，除了對大數據概念的恐懼、懷疑、不確定和炒作，壹些企業已經開始在壹些非常規領域使用大數據分析技術。
露天采礦中的采礦數據跟蹤
首先，我們來看看日立數據系統(HDS)如何利用大數據和預測分析來支持壹些大型建築、采礦、運輸等行業的重工業應用。當我和他們的產品規劃副總裁邁克爾在壹起的時候。海；軟件產品營銷高級總監莎拉？加德納；以及全球營銷高級副總裁阿西姆？當Zahir交流時，他們向我概述了大數據和預測分析如何在重型采礦設備上工作。
這篇文章是莎拉寫的？加德納的書《日立數據機:露天礦數據挖掘》重點講述了日立如何利用大數據來支持其露天礦數據挖掘機械。我說的不是數據挖掘，而是礦物的地下開采。加德納的文章舉例說明了壹些極端的例子:例如，數據機器工具促進了大數據和預測分析，從而有助於完成我們許多人認為非常規的商業任務。
壹些大數據行業人士將大數據和預測分析在重工業設備和運輸系統中的應用視為未來整個大數據應用領域增長的壹大因素。
改善電子商務的客戶體驗
雖然零售商店行業的競爭已經非常激烈，但壹些同樣的問題已經開始延伸到電子商務領域。壹家名為Bloomreach的初創公司旨在利用大數據改善電子商務的客戶體驗。這是基於客戶的搜索習慣來提供客戶特定的頁面，而不是修改整個網站的用戶體驗。Bloomreach的技術側重於通過分析產品需求來發現內容。
Bloomreach的首席執行官Rajdedatta告訴我該公司如何使用大數據技術來增強電子商務的客戶體驗。他們的技術人員在大型電子商務網站的後端，使他們能夠根據客戶搜索條件的最佳匹配定制新的產品登陸頁面，同時確保強大的客戶體驗。
雖然將大數據應用作為電子商務和客戶體驗的壹部分似乎很正常。但是給我們指明了三個發展方向。第壹個發展方向是，大數據將挑戰電子商務世界中的內容戰略家、信息架構師和設計師。第二個發展方向是，大數據的流暢度將成為未來電子商務人才的重要要求。第三個也可能是最重要的發展方向是，電子商務網站後端的大數據技術將成為搜索和在線競爭銷售中吸引客戶註意力的必要技術。
收銀機和呼叫中心背後的應用分析
也許大數據最著名的應用領域是跟蹤客戶行為。而日立商用顯微鏡的大數據和預測分析，通過將技術應用於大型客戶服務中心和零售店的收銀機，適合分析客戶的另壹面。
商業顯微鏡捕捉所謂的“情感瞬間”，利用傳感器分析客戶接受電話客服的語音，或者通過客戶的信用卡消費統計客流量，通過工卡了解客戶在呼叫中心與哪個客服人員溝通。
在零售環境中，商業顯微鏡可以研究客流，然後返回數據，以幫助優化零售環境的布局。
大數據可以根據客戶的交互來跟蹤客戶的行為，從而為企業提供可操作的信息，進而為客戶提供最佳服務，贏得商業競爭。
實施NFL門票的動態價格
大多數像我壹樣生活在華盛頓的紅人足球隊球迷都非常熟悉人們在足球賽季期間對門票定價的抱怨和抱怨。其他地區的球迷對他們當地NFL球隊每個賽季的球票定價也是愛恨交加。NFL正在使用FICO的大數據和預測分析方法來確定和實施動態門票定價策略。
利用大數據和預測分析方法來實施動態定價，可能比我們更了解消費者。然而，FICO和NFL剛剛開始使用案例研究項目階段。壹個如此規模的大數據和預測分析項目，只有在收集客戶需求和其他消費需求壹段時間後，才能付諸實踐。
提高企業高級訂閱用戶的留存率
如今，付費訂閱市場面臨更多挑戰。因為取消訂閱是用戶在時機成熟時削減預算的第壹步。初創公司ScoutAnalytics正在應用大數據和預測分析來幫助包括軟件即服務(SaaS)、信息服務和數字媒體在內的公司提高用戶保留率。
ScoutAnalytics聲稱，其在幫助企業提高優質用戶留存率方面的收入增長了10%，達到15%。它可以用作數據中心，與銷售配額相關聯，並幫助銷售團隊獲得更多的經常性收入。
摘要
在本文中，我們將向您展示大數據和預測分析如何成為跨多個行業的非傳統應用的基礎技術。雖然大數據和預測分析的頻繁使用仍然是壹個挑戰，但這些非常規的特殊應用技術向我們展示了個人和企業更美好的未來。在線生活在今天和未來必將成為壹個更大的商業平臺的壹部分。
以上是邊肖為您分享的關於大數據和預測分析的非常規使用。更多信息可以關註環球常春藤分享更多幹貨。