降低成本或提高收入的hyperaware可以帮助他们在c套房和董事会的眼中闪耀，cio比以往任何时候都更加支持支持数据科学的技术。据idc统计，2017年全球大数据和业务分析的收入将达到1580亿美元，比2016年上涨了12.4％。旨在支持大数据和分析的硬件，软件和服务的商业购买预计将超过2100亿美元。idc分析师dan vesset指出，大数据分析解决方案已经成为在全球各行业和业务流程中实现数字转型工作的关键支柱。
但是，这种令人沮丧的支出有一个黑暗的一面：大多数数据分析项目无法产生可衡量的价值。遗留系统和商业机构官僚机构已经产生了数据仓库，并使数据质量不佳。而cio们仍然在努力填补操纵数据所需的人才差距。人才战争激烈，大学分析课程的兴起并不能够足够快地培养合格人选。
然而，数据分析的成功案例在本月初的cio100研讨会上比较丰富，几个it领导者透露了他们的努力。首席信息官还分享了对同行进行类似努力的经验教训和建议。
数据分析
已经发展成为全球140多个市场的400亿美元全球医疗保健公司的默克公司力图利用erp和核心系统收集的数据进行制造执行和库存控制，以获得更多的业务见解。但默克公司的工程师花费了60％到80％的努力来寻找，访问和摄取每个项目的数据，业务目标已经过去了。默克制造it部门的首席信息官michelle a'lessandro表示：我们并没有将数据视为可行的，永久的和有价值的资产。我们希望建立一种文化，我们花费更少的时间移动和报告数据，并将更多的时间用于有意义的业务成果的数据。
默克创建了mantis（制造和分析智能），这是一个über数据仓库系统，包括内存数据库和开放源码工具，可以压缩包含文本，视频和社交媒体在内的结构化和非结构化系统中的数据。重要的是，该系统旨在让非技术业务分析人员轻松查看可视化软件中的数据。相反，数据科学家可以通过复杂的模拟和建模工具访问信息。mantis已经将公司整体it分析项目组合的时间和成本降低了45％。有形的业务成果包括平均交货时间减少30％，平均库存支出成本减少50％。
经验教训： a'lessandro表示，她成功的关键是在亚太工厂确定了一个灯塔”分析项目，默克公司将获得最大的回报。在mantis展示成功之后，它成为了对其他网站的呼吁。她也学会了不要咬伤多于她可以咀嚼。a'andandro表示，她在早期的实验中,过度”地使用人工智能和机器学习来分析默克制造过程的成本。a'andandro说：不是因为缺乏赞助或缺乏愿景，我们不能让它上班。
机器学习
多年来，pepper snapple集团的销售路线人员抓住了一个含有客户数据，销售和促销记录的肥皂，并打入沃尔玛和target等零售客户的道路。今天，销售人员不是使用绑定器，而是配备ipad，告诉他们他们需要访问什么商店，为零售商提供什么，以及其他关键指标。pepper snapple集团的首席信息官tom farrah表示：他们是荣耀的接班人，现在他们正在成为聪明的销售人员，配备信息来帮助实现他们的目标。
该平台mydps配有机器学习和其他分析工具，可在推送应用程序时向工作人员推荐建议和日常操作记分卡。显示员工如何按照预期的预测执行的算法，包括他们是否符合自己的计划，这些算法都会落在下面，以及他们如何正确地解决问题的见解。farrah说：如果我要让某人取得成功，我必须确保他们有什么信息具有内容相关性。”
经验教训：为了测试mydps的概念证明，farrah将该软件分给了四个分支机构，并让业务总裁去拜访他们。他们透露，使用mydps后，上个月的执行销售额已经提高了50％，说服他对项目进行了绿化。farrah说：他得到了结果，这就是销售所需要的，”这不仅仅是为了项目的业务赞助，而且希望得到结果，这一点非常重要。
预测分析
皮特俄亥俄州首席信息官scott sullivan表示，货运业正在遭受所谓的;亚马逊影响”的打击。皮特·俄亥俄州，一家7亿美元的货运公司，已经习惯于收取运费，并在第二天交付给客户。但是，要感谢亚马逊，客户越来越期待当天的交货。他们期待有关他们的包的更多信息。
沙利文说：客户现在不仅要知道什么时候会被拿起来，而且要知道如何交付，以便他们能够计划工作量。” 利用历史数据，预测分析和算法实时计算各种货物重量，行驶距离和其他因素，pitt ohio可以估计驾驶员以99％的准确率到达运送目的地的时间。该公司估计，通过重复订单增加了收入（估计每年为5万美元），并降低了客户损失的风险（估计为每年6万美元）。
经验教训：沙利文说，这是涉及市场研究，销售业务和信息技术的跨部门事务，他们都检查并重新检查结果，以确保其实现目标。sullivan表示：四面墙内有很多数据，是创新的，寻找有挑战性的方法来使用它。
如果数据是新的石油，那么知道如何将其改进为可操作的智能是利用其潜力的关键。为此，cio正在使用预测分析工具，制定机器学习算法和战斗测试其他解决方案，以追求企业的效率和新的服务方式。想获得更多大数据分析成功案例，加学习交流8群640193172，和大数据大数据资深交流经验.