您的企業可以使用大數據嗎？是的，當然。

如何使用大數據取決于許多因素。大數據就是洞察力，大量的數字和指標提供了足夠的范圍和規模，可以清晰地描述它所應用的內容。流程，客戶行為，后勤問題，所有這些都可以通過大數據進行識別，挖掘和細分。然后，再加上分析和機器學習等工具，你的業務就具備了數據驅動決策的所有能力，從而提升和加速你的目標。

那么你能做什么呢?讓我們來看看以下五種截然不同的現實場景。下面的示例展示了大數據在任何情況下的靈活性和能力。

 

醫療保健:簡化物流
隨著醫療記錄的電子化，大數據簡化流程的能力擴展到醫療保健管理和患者。在管理方面，大數據可以揭示許多影響人員和物流的關鍵變量。例如，如何確定感冒和流感季節大約會有多少患者就診？但在確定諸如天氣，臨近假日旅游，患者接種流感疫苗的比例以及其他此類個人因素等變量可以提供更強的背景。

這樣一來，醫療機構就可以適當地管理各種事務，從員工人數到預約時間，再到流感疫苗的儲備和其他季節性需求。這將使患者受益，并且在滿足他們的需求方面具有更大的透明度和更容易。與此同時，大數據讓機構的數據科學家能夠開發一些模型，用于提醒患者，或識別哪些人可能在新的醫學研究中面臨風險或獲益。

銀行業務：更大限度地減少欺詐
欺詐行為是銀行業的克星。發生欺詐時，它將占用各方的寶貴時間和資源，包括受害者，銀行的工作人員以及處理欺詐性購買的地點。它還會損害信任，而信任或許是銀行業更重要的因素。欺詐持續的時間越長，受傷害的人就越多，消耗的資源也就越多。然而，大數據是幾十年來預防欺詐方面最重要的創新。

對于銀行業而言，大數據意味著無數字節的信息（交易，指標，付款等），這些信息提供了用戶行為的詳細信息。在規模上，這是一幅如何使用金錢的藍圖。當與機器學習和分析相結合時，模式就可以被識別出來，而隨著機器學習增強了這種能力，異常就更容易被發現。這使得銀行能夠在欺詐行為開始時就抓住它，更大限度地減少它傳播和損害更多賬戶的機會。

制造業：識別瓶頸
從零件采購到質量控制，制造過程中的工作流程中有許多活動部件。每一個步驟都伴隨著許多變量：例如，采購可能因供應商庫存問題或運輸延遲而停滯；并且組裝可能與工具或機器故障有關。通過應用數字化指標跟蹤所有這些步驟，并獲取大量記錄，大數據可以作為識別潛在瓶頸根源的基礎。

這可以直接或間接地起作用。作為直接改進的一個示例，大數據可以顯示某個庫存供應商是否在運輸上經常延遲或質量問題的根源。在這種情況下，大數據可能會是導致供應商變更的原因。作為間接改進的一個示例，大數據可以幫助采購團隊找到更大化供應商折扣的方法，從而釋放預算用于其他層面(例如，新的裝配機器，或更多的質量控制人員)。

軟件：識別使用者行為
發布軟件（無論是視頻游戲還是辦公應用程序）時，開發團隊的目標是正確并定期使用其所有功能。當然，情況并非總是如此。但是使用大數據可以解釋功能使用的方式和原因。大數據指標可以收集數據，確定哪些功能被使用(而不僅僅是激活了)，以及用戶的參與時間。它還可以告訴您是否觸發了任何錯誤或故障，以及還激活了什么。

然后，分析工具可以將此數據分解為更多孤立的細分，以提供明朗的結果。例如，也許崩潰錯誤總是發生在軟件的某個功能中，但僅當同時激活另一個功能時才會發生。大數據收集情境指標，為未來的迭代構建路線圖，不管這是為了修復缺陷還是由于缺乏用戶興趣而過時。

政府：優化資源
關于政府官僚主義的老套笑話有一定程度的真實性，但是在數字世界中，所有文書工作都已在線上進行。這實際上將消極變成了積極：所有書面工作奠定了在數字空間中跟蹤指標的基礎。有了大數據，信息是動態的，流動的，而且在很多情況下，由于筆誤被更小化，它也更加準確。

這將導致資源使用在許多方面的徹底改變。大數據可以促進自動化流程的發展，從而優化人力資源，使其得到更恰當的利用。數據還能提供交通模式和公用設施使用情況的洞察力，發現問題并創建改善基礎設施的途徑。

大數據：萬物的未來
以上五個示例來自截然不同的業務和行業，但是它們都有一個共同點：它們顯示了數據幾乎可以在任何情況下識別問題。隨著設備技術和數據通信的發展，數據量不斷增長，這意味著大數據只會變得更大。同時，分析工具和機器學習/人工智能的能力也在增強。

因此，因此，我們這個世界的連接性只會越來越強，大數據對于任何行業的任何組織的重要性只會越來越重要。無論您做什么或如何做，都有一種將大數據集成到您的流程和工作流程中的方法。實際上，這樣做不僅是一個好主意。這可能是使您的企業適應未來發展的更佳實踐。因為如果您不將大數據集成到組織中，您的競爭很可能已經遙遙領先。

 

（編譯自oracle blog ：Five Different Ways Businesses Use Big Data）