以下是首席信息官怎么成功运用数据剖析和机器学习来完结业务方针的成功事例。

  假如把数据看成是一种新的石油，那么知道怎么将其提炼成可操作的情报则是开释其潜力的要害。为此，首席信息官们正在运用猜想剖析、精心规划的机器学习算法和久经考验的剖析解决方案来寻求进步业务功率和服务客户的新办法。

  首席信息官们意识到，下降本钱或增加收入能够协助他们在高管层和董事会眼中熠熠生辉，因而他们在支撑数据科学的技能上投入的资金比以往任何时候都多。

  依据商场研讨公司IDC的数据，本年全球大数据和商业剖析软件的收入将超越1660亿美元，比2017年增加11.7%。此外，能够与新式剖析技能协作的人才争夺战也正处于白热化的状况。

  一些首席信息官现已找到了提振上下游增加的办法，他们研讨了最近共享的数据，从中吸取了经验，并为从事相似作业的同行供给了主张。

  很少有职业能比能源职业发生更多的数据了。但多年来，石油巨子壳牌乃至不知道其在国际各地的各种设备中的零件都坐落哪里;它不知道什么时候需求再进货;直到部件开端呈现毛病，它才知道什么时候呈现了保护问题。由于机器停机每天给公司造成了数百万美元的丢失，所以壳牌决议搜集数据以防止这些问题。

  壳牌杰出数据科学中心的总经理Daniel Jeavons表明，壳牌根据多家供货商的软件树立了一个剖析渠道，运转猜想模型，以猜想3000多种不同的石油钻井机的部件何时会呈现毛病。

  其间一个名为Databricks的东西经过Apache Spark来捕获流数据。壳牌运用这个东西来更好地方案什么时候购买机器部件，保存多长时刻，以及在哪里寄存库存物品。

  该东西保管在微软Azure的云中，协助壳牌将库存剖析从超越48小时削减到不到45分钟，每年削减数百万美元的库存搬运和从头分配本钱。

  经验总结:防止机器毛病需求许多东西。Jeavons表明，壳牌的渠道包含了来自Databricks、Alteryx、C3、SAP和其他供货商的软件，一切的这些软件一起协助了他的数据科学家来发生商业见地。终究，首席信息官有必要正确评价这些东西，并在进行大额购买之前了解哪些才是有用的。

  数据是航空陈述公司( ARC )的生命线，该公司每年结算航空公司之间价值超越880亿美元的机票买卖，包含德尔塔航空公司、美国航空公司、英国航空公司、阿拉斯加航空公司以及Expedia等游览社。航空公司付费获取ARC在这些买卖中搜集的数据，以了解更多的关于游览者的目的地、游览时刻以及在此进程中每年为超越22亿次航班付出的费用的信息。

  ARC捕获数据，将其输入剖析引擎，对其进行细化，并为其客户构建定制的陈述。ARC 的CIO Dickie Oliver表明，该公司正从Teradata的数据仓库迁移到Snowflake的云软件中，这将协助ARC更快地将数据产品推向商场，并供给更大的可伸缩性和功能，这得益于其在AWS上的业务。Oliver表明，Snowflake是为了将核算资源与数据存储分隔而规划的，它使ARC能够为客户快速构建新的定制陈述。Oliver弥补说，多亏了这个项目，ARC将能够为考虑新数据方法的客户量身定制新的产品。

  经验总结:迁移到一个新的数据渠道通常是令人害怕的，不只是是由于技能的改动;改动办理是其间真实的费事地点。Oliver说，让人们“从一开端就专心于改动，并让他们阅历改动进程是这个进程中具应战性的部分”，他弥补说，他正全力训练职工，包含让他们经过认证，并引入参谋，如让Slalom来协助咱们进行改动办理。

  TD银行的数据剖析团队花了几年时刻来更新数据基础设备，以满意当时和未来的需求，并创建了一个企业hadoop数据湖。

  TD银行企业信息高档副总裁Joe DosSantos表明，咱们运用了根据Cloudera的数据湖用来培育对客户的洞察力，包含从盯梢职工的丢失率，到为客户供给适宜的产品。

  TD 银行的一个中心关注点包含让业务剖析师能够从数据湖中提取数据，可用且可操作的才能，而无需数据科学家来亲身操控。 DosSantos表明:“咱们正在让人们广泛运用这些数据集。”他弥补道，TD Bank还测验运用其剖析渠道来检测诈骗和其他不尽职行为。

  经验总结:曩昔几年来，TD Bank一直在从头设想其企业数据渠道，挑选数十年来的客户买卖和其他数据。TD银行没有过度依靠Hadoop，而是运用了Talend的软件来提取、转化原始数据并将其加载到可用于可操作商业智能的信息中。

  DosSantos解释道:“Hadoop关于了解怎么从A点到B点获取数据方面并不是很好。而Talend有一个元数据办理器和一个中心存储库来盯梢数据湖中的数据移动和转化。”

  嘉吉公司(Cargill)的动物养分部分开发了一款名为iQuatic的移动数据盯梢运用，协助养虾人下降产值的死亡率。

  嘉吉动物养分公司的CIO Tiffany说，该运用程序能够根据环境要素(如温度、pH值和养分)来猜想虾池中的生物量，并与嘉吉公司的iQuatic主动喂虾体系协同作业。Snyder在8月的CIO 100研讨会上介绍了iQuatic体系。

  只需农人将运用程序中的数据保存到云中，然后访问实时的操作仪表盘，便能够直观显现池塘的功能，供给要害的丈量和猜想剖析，协助他们更好地办理虾健康并进步产值。曾经，农人是用传统的方法用笔和纸来搜集的这些数据。

  经验总结:为了构建这个运用程序，嘉吉公司差遣了工程师和企业高管去厄瓜多尔的一个养虾场，了解农人是怎么从池塘中获取数据的。“咱们让农人成为了咱们团队的一部分，”Snyder说。经过在灵敏、two-pizza的团队中快速作业，为在5个月内成功进行试点铺平了路途，并终究完结了产品发布。

  全球医疗保健公司默克期望运用在ERP和中心体系中搜集到的数据来进行出产履行和库存操控，以取得更多的商业见地。可是，由于它的工程师花费了60%到80%的精力去寻觅、访问和获取每个项目的数据，以至于许多商业方针没有得到完结。默克公司的IT制作首席信息官Michelle Dalessandro表明:“咱们没有把数据视为一种可行的、有价值的财物。咱们期望树立一种文明，在这种文明中，咱们能够尽量在移动和陈述数据上少花时刻，从而将更多的时刻花在运用数据来完结有意义的业务效果上。”

  默克公司创建了MANTIS(制作和剖析智能)体系，这是一个ber数据仓库体系，包含了内存数据库和开源东西，能够处理在结构化和非结构化体系中的数据，包含文本、视频和交际媒体。重要的是，该体系能够答应非技能业务剖析师在可视化的软件中轻松的查看数据。而数据科学家能够经过杂乱的模仿和建模东西访问信息。MANTIS体系现已使公司全体IT剖析项目总业务量的时刻和本钱下降了45%。有形的业务效果包含均匀提早期削减了30%，均匀库存持有本钱削减了50%。

  经验总结:DAlessandro表明，她成功的要害是在亚太地区的一家工厂中设立了一个“标杆”剖析项目，默克将在那里取得很大的报答。而在那里展现了MANTIS的成功之后，它就为其他网站树立了典范。她还学会了怎么稳扎稳打。D Alessandro说，她在一个前期的试验中运用了人工智能和机器学习来剖析默克制作进程的本钱，但她“做得过头了”。她说:“这并不是由于缺少资助或缺少远见，咱们只是无法让它发挥作用。”

  多年来，胡椒博士集团(Dr. Pepper Snapple Group)的出售职工通常会拿着一个装满客户数据、出售记载和促销信息的大活页夹，然后开端着手争夺沃尔玛(Wal-Mart)和塔吉特(Target)等客户。现在，出售人员都装备了ipad，它会告知他们需求访问哪些商铺，能够供给什么，以及其他的要害方针。胡椒博士集团的首席信息官Tom Farrah表明:“他们是荣耀的接单员。现在，他们正在成为智能出售人员，手中掌握着协助其完结方针的信息。”

  该渠道名为MyDPS，装备了机器学习和其他剖析东西，当职工加载运用程序时，这些东西就能够供给引荐，并向他们供给每日的运营记分卡。算法将向职工展现他们将怎么履行预期的方案，包含他们是否按方案完结方案，以及假如没有按方案完结，该怎么纠正。“假如我想让一个人成功，我就有必要保证他们所拥有得信息是与作业内容相关的，”Farrah说。

  经验总结:为了测验MyDPS的概念证明，Farra将软件交给了一家分公司的四个人，并让业务总裁去访问他们。他们泄漏，在运用了MyDPS之后，履行出售自上个月以来现已进步了50%，这一成果让总裁同意了该项目。“他看到了成果，这便是出售所需求的，这不只是是为了项目的商业资助，也是为了得到预期的成果，这一点很重要。”Farrah说。

  柏克德(Bechtel)公司的信息官Carol Zierhoffer说，与修建相关的开销占到了GDP的13%，但在曩昔20年里，该职业的出产率只增加了1%。但专家表明，经过从头安排合同、进步工人技能、改进现场履行以及其他的一些调整办法，该职业能够将出产率进步50%至60%。所以，制作了胡佛塘坝、英吉利海峡地道和其他奇观工程的柏克德尔公司，开端从埋藏在商业各个范畴的数据中发掘创意。

  Zierhoffer树立了一个杰出的大数据中心，其间有一个包含5 P数据的数据湖，并开端了概念验证。该公司运用了相片辨认技能来代表客户查看和标示网站相片，以此节约了200万美元。还运用了自然语言处理(NLP)东西来解析索赔、提案恳求和合同。在曩昔需求几天或几周的估量和方案现在只需求几个小时。柏克德还扩展了剖析作业，以调查职工的留任状况，包含企图猜想职工或许的离任时刻。Zierhoffer说:“咱们信任咱们正在敲开出产力应战的大门。”。

  经验总结:数据仓库和质量是要害。虽然柏克德能够剖析许多数据，但有必要进步整个企业的数据质量。“咱们不得不推翻自己，了解自己是怎么作业的，并将所以数据都连接起来。”

  几年前，营销传达公司RRD成立了一个物流部分，向顾客和企业运送印刷资料。为了支撑这项业务，RRD自己办理货品，并代表其协作伙伴运送从洗衣机到狗食的任何东西，终究开展成为了一个价值10亿美元的企业。需求面对的应战?那便是在这个联邦快递和UPS是无可争议的王者的国际里，找到一个更优的运费。

  气候、地舆、司机和政治气候等变量都或许使其业务丢失惨重。RRD的CIO Ken O Brien说，由于迫切需求对费率变量进行猜想，RRD转向了机器学习和剖析。它雇佣职工和大学来协助编写算法，测验700条路线上的数千个场景，直到能够实时猜想运费乃至提早七天以99%的准确率来猜想运费。 OBrien表明:“这个项目在不到一年的时刻里就收回了本钱，并且咱们依然看到与货运相关的业务在持续增加。”

  经验总结:新企业需求高水平的投入，虽然O Brien供认他的一些商业伙伴现已预备好了在不同的阶段抛弃。他们不信任这项技能，由于这一进程通常是凭感觉和猜想完结的。但RRD树立了一个协作环境，在这个环境中，业务部分和IT部分能够一起努力来影响成果。“你或许会绊倒，也会有应战，但你要有耐性，”OBrien说。

  农人们总是在苦苦思索该种哪种种子，种多少，以及在哪里和在什么时候。种子巨子孟山都(Monsanto)也是如此，它运用数据科学，经过运用数学和核算模型，制作出最佳的时刻线来栽培雄性和雌性植物，以及在哪里栽培，从而为栽培者供给指导性的主张。孟山都全球IT剖析主管Adrian Cartier表明，该公司的机器学习算法能够在几天内，而不是几周或几个月的时刻，就能处理超越900亿个数据点。这能带来多少商业利益?2016年，孟山都节约了600万美元，削减了4%的供应链脚印。Cartier说:“在北美，4%的土地运用率的下降就意味着许多土地没有被运用，这将节约许多资金。”

  经验总结:孟山都成功的要害是在它和供应链业务之间树立了一种“从摇篮到坟墓”的协作方法。他们具有农业和供应链视点的专业知识，而咱们具有数学和核算范畴的专业知识，两者结合起来，就发明了咱们能够供给的价值,Cartier说他还找到了“改动领导人和支撑者”在供应链中人物的办法来抵消反对者的数量，以此构成一种健康的平衡。

  Pitt Ohio的信息官Scott Sullivan表明，货运职业正遭到“亚马逊效应”的强烈冲击。价值7亿美元的货运公司Pitt Ohio现已习惯了在第二天提货并将货品交付给客户。可是多亏了亚马逊，顾客越来越等待能够当天交货。他们等待着更多关于他们包裹的信息。

  Sullivan说:“客户现在不只想知道什么时候能够拿到，还想知道将怎么拿到，这样他们就能够规划自己的作业。”。经过运用历史数据、猜想剖析和算法实时核算各种货品的分量、行进间隔和其他要素，Pitt Ohio能够以99%的准确率估算出司机抵达目的地的时刻。该公司估量，他们由此能够经过老客户的订单增加收入(估量每年5万美元)，并削减客户丢失的危险(估量每年6万美元)。

  经验总结:Sullivan说，这是一个触及商场研讨、出售运营和IT的跨部分业务，一切人都有必要重复查看成果，以保证自己完结了方针。Sullivan说:“在你的企业内部中其实有许多的数据你需求立异，并寻觅具有应战性的办法来运用它们。”