当前位置:文档之家› 大数据融合及应用 1

大数据融合及应用 1


制造业大数据分布图
产品数据:设计、建模、工艺、加工、测试、维护数据、产品结构、零部件配置关系、 变更记录等。 运营数据:组织结构、业务管理、生产设备、市场营销、质量控制、生产、采购、库存、 目标计划、电子商务等。 价值链数据:客户、供应商、合作伙伴等。
外部数据:经济运行数据、行业数据、市场数据、竞争对手数据等。
案例6 依靠大数据玩转愚人节营销
趣多多在愚人节的这次营销活动,创造了6 亿多次页面浏览并影响到近1,500万独立用户, 品牌被提及的次数增长了270%。可以说这是一 次成功的品牌营销活动,广泛的发声,让趣多多 的用户关注度得到了一次巨大的提升,诙谐幽默 的品牌基因更加深入的进入到用户的意识层面。
利用社交大数据 的敏锐洞察,锁 定主流消费群体 聚焦于消费群体 习惯使用的主流 社交和网络平台
个性化定制数据:大规模定制和网络协同的发展,使得个性化定制数据一跃成为消费者 张扬个性的载体。
二、大数据是工业互联网的命脉
二、大数据是工业互联网的命脉
大数据可能带来的巨大价值正在被传统产业认可! 通过技术创新与发展,以及数据的全面感知、收集、分析、共享,为企业 管理者和参与者呈现出看待制造业价值链的全新视角。
大数据融合及应用
案例1“无良”商家
• 一个父亲有一个高中的女儿,接到了一个促 销的广告,是关于婴儿的广告,这个父亲勃然大 怒,说商家无良,为了促销向我的高中生女儿促 销婴儿产品。但是过了一两个星期,他感到非常 内疚,因为他对于商家的这种态度是错误的,原 因是他的高中女儿确实怀孕了。为什么商家会发 现这个问题呢?商家实际上就是通过在商场的一 些数据挖掘和对比,发现这个女孩子经常在商场 里购买过类似的一些商品,在有一些类似的货架 面前驻足观看,而且这个频度很高,商家对于后 台大数据的分析,筛选出潜在的客户,发出商业 广告。
案例2 农夫山泉利用大数据卖矿泉水
数据量大
农夫山泉业务员收集的 数据每位业务员每天收 集的数据为10M左右,全 国共10000个业务员每月 产生的数据为3TB
与SAP的联合
数据如何处理 超市、金融公司与农夫山泉有 某种渠道来分享信息; 以更多的方式来监测人的位 置; 系统分析图像。视频和音频等 资料 SAP和农夫山泉开始共同开发基于“ 饮用水”这个产业形态中,运输环境 的数据场景。有了强大的数据分析 能力做支持后,农夫山泉近年以 30%-40%的年增长率
“掌控”——责任与自由并举的信息管理
当世界开始迈向大数据时代时,社会也将经历类似的地壳运动。在改变人类基本的 生活与思考方式的同时,大数据早已在推动人类信息管理准则上重新定位。然而,不同 于印刷革命,我们没有几个世纪的时间去适应,我们也许只有几年时间。
管理变革1:个人隐私保护,从个人许可到让数据使用 者承担责任 管理变革2:个人动因VS预测分析 管理变革3:击碎黑盒子,大数据程序员的崛起 管理变革4:反数据垄断大亨
工业4.0时代的到来,意味着工业大数据时代的到来。工业大 数据的应用,也必将成为未来提升制造业生产力、竞争力、创新能
力的关键要素
抓住二者,便能占据全球工业转型的制高点!!
卓越的才华并不依赖大数据, 大数据扼杀创新。 如果对不可量化的事物进行量化, 我们将失去全面了解该事物的机会!
大数据属于谁?
本小组关于大数据的几点思考:
允许不精确 大数据的简单算法比小数据的复杂算法更有效 纷繁的数据越多越好 混杂性,不是竭力避免,而是标准途径 新的数据库设计的诞生
“更好”——不是因果关系,而是相关关系
知道“是什么”就够了,没必要知道“为什么”。在大数据 时代,我们不必非得知道现象背后的原因,而是要让数据自己 “发声”。

后续工作
将收集门店的销售数据上传至阿迪达斯。 收到数据后,阿迪达斯对数据做整合、分 析,再用于指导经销商卖货
案例4 淘宝网掘金大数据金融市场
淘宝推出信用贷款服务,不依赖担
保、抵押,仅基于海量的企业经营数据,
通过大数据分析,分析出企业经营状况 和信誉度,作出决策,这种金融模式获 得了巨大的成功!
案例5麦肯锡:如何利用大数据改进制造业
1、没有Open data 就没有Big Data ! 2、大数据需要立法! 3、未来IOE-泛在网的应用将比物联网更能促使大数据得到更广泛 的应用 互联网、物联网、云计算技术的快速发展,各类应用的层出不穷引发了数 据规模的爆炸式增长,由此可知,大数据技术将越来越深入应用到社会的各 个领域,成为重要的生产因素!
关联物,预测的关键 “是什么”,而不是“为什么” 改变,从操作方式开始 大数据,改变人类探索世界的方法
二、大数据时代的商业变革
“数据化”—— 一切皆可“量化”
大数据发展的核心动力来源于人类测量、记录和分析世界的渴望。信息技术变革
随处可见,但是如今信息技术变革的重点在“T”(技术)上,而不是在“I”(信息)
分价值还是必须从数据本身来挖掘。
三、大数据时代的管理变革
“风险”——让数据主宰一切的隐忧
我们时刻都暴露在“第三只眼”之下:亚马逊监视着我们的购物习惯,谷歌监视着
我们的网页浏览习惯,而微博似乎什么都知道,不仅窃听到了我们心中的“TA”,还有
我们的社交关系网。
无处不在的“第三只眼” 我们的隐私被二次利用了 预测与惩罚,不是因为“所做”,而是因为 “将做” 数据独裁 挣脱大数据的困境
加快IT、制造与营 运的整合,让工业 4.0的愿景更快成为 现实
对产品合规性进行 监测并且追溯到具 体生产设备成为可 能
如何利用大数 据改进制造业
通过对产品进行监 测,制造商能够主 动为客户提供预防 性维护建议,以便 提供更好的服务
大数据帮助提高制造绩效的3个主要方面 分别是:更好的预测产品需求并调整产能(46%),跨多重 指标理解工厂绩效(45%)以及更快地为消费者提供服务与支持 (39%)。上述数据是根据“LNS研究与MESA国际”的近期调查 得出的。
正在发生的未来 大数据并不是一个充斥着算法和机器的冰冷世界,
人类的作用依然无法被完全替代。大数据为我们提供的
不是最终答案,只是参考答案,帮助是暂时的,而更好
的方法和答案还在不久的未来!!
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡。麦肯锡 称:数据,已经渗透到当今每领域一个行业和业务职能领域,成为重要 的生产因素!
•大数据,变革公共卫生 •大数据,变革商业
•大数据,变革思维
•大数据,开启重大的时代转型 •预测,大数据的核心 •大数据,大挑战
一、大数据时代的思维变革
“更多”——不是随机样本,而是全体数据!
当数据处理技术已经发生翻天覆地的变化时,在大数据时代进行抽样分 析就像在汽车时代骑马一样。一切都改变了,我们需要的是所有超过1.5PB(1PB=1024TB),这些数据 如果打印出来将超过5千亿张A4纸。有资料证实,到目前为止,人类生产的所有印刷材料的
数据量仅为200PB。
数据类型多样
• 现在的数据类型不仅是文本形式,更多的是图片、视频、音频、地理、位置信息等多类型
的数据,个性化数据占绝对多数。
处理速度快
• 数据处理遵循“1秒定律”,可从各种类型的数据中快速获得高价值的信息。
价值密度低
• 以视频为例,一小时的视频,在不间断的监控过程中,可能有用的数据仅仅只有一两秒。
一、制造业正处于一个数据爆炸的时代
【制造业企业的运营越来越依赖信息技术】
【制造业整个价值链、制造业产品的整个生命周期都涉及到诸多的数据】 【数据量的暴涨成了许多行业共同面对的严峻挑战和宝贵机遇】
身陷库存泥潭
案例3 阿迪达斯的“黄金罗盘”
2008年之后,阿迪达斯的库存问题很严 重;
叶向阳的厦门育泰贸易有限公司与阿 迪达斯合作已有13年,旗下拥有100 多家阿迪达斯门店,也经历了这场风 波
黄金罗盘
基于外部环境、消费者调研和 门店销售数据的收集、分析, 成为了将阿迪达斯和叶向阳们 引向正轨的“黄金罗盘”
“样本=总体”。
让数据“发声” 小数据时代的随机采样,最少的数据获得最多的信息 全数据模式,样本=总体
“更杂”——不是精确性,而是混杂性!
执迷于精确性是信息缺乏时代和模拟时代的产物。只有5%的数据是有
框架且能适用于传统数据库的。如果不能接受混乱,剩下95%的非框架数
据都无法被利用,只有接受不精确性,我们才能打开一扇从未涉足的世界 的窗户。
1)实现智能生产
2)实现大规模定制
三、大数据构成新一代智能工厂
“两个海量” ① 消费需求产生海量数据 ② 生产过程产生海量数据 这两方面大数据信息流最终通过互联网在智 能设备之间传递,由智能设备进行分析、判断、 决策、调整、控制并继续开展智能生产,生产出 高品质的个性化产品 实现工业4.0的两大特征:智能与互联 大数据应用将带来制造业企业创新和变革的新时代。
案例5 乔布斯的癌症治疗
苹果公司的传奇总裁史蒂夫-乔布斯在与癌 症斗争的过程中采用了不同的方式,成为世界 上第一个对自身所有DNA和肿瘤DNA进行排 序的人。乔布斯生病后,治疗团队也调用了大 数据,对乔布斯的个人情况匹配海量的诊疗数 据,得到一个更好的治疗方案,因此他的生命 得以延长了好几年。 乔布斯开玩笑说:“我要么是第一个通 过这种方式战胜癌症的人,要么就是最后一 个因为这种方式死于癌症的人。
趣多多到 底做了些 什么
在愚人节当天围 绕品牌的口号展 开话题
联合80后脱口秀
大数据带来的时代变革
—— 一场生活、工作与思 维的大变革!
大数据开启了一次重大的时代转型。就想望远镜让我们能够感受宇宙,显微镜让我 们能够观测微生物一样,大数据正在改变我们的生活以及理解世界的方式,成为新发明
和新服务的源泉,而更多的改变正蓄势待发……
数据创新1:数据的再利用 数据创新2:重组数据
数据创新3:可扩展数据
数据创新4:数据的折旧值 数据创新5:数据废气 数据创新6:开放数据 给数据估值
相关主题