大数据分析感觉就像是先进技术领域中还不熟悉的东西，但它已逐渐开始被使用。在这里，我们将介绍使用大数据分析的示例及其优点，并特别介绍物联网和工业领域的示例。
大数据利用之眼
分析大数据的目的是从看似无序和无法无天的数据中找到一些定律和相关性。从那以后，我们正试图通过获取新知识来增加销售额并提高运营效率。
基于人类经验和直觉的决策是高度不确定的，一击即发，但往往会失效。此外，获得决策的直觉需要很长时间。此外，随着客户需求的多样化和市场变化的步伐越来越快，多年积累的经验和直觉很可能无法在短时间内消失。在这种情况下，有必要通过在没有人手的情况下分析大量数据来快速提供新知识。
此外，大数据分析被认为有助于根据以前难以量化的人类偏好和敏感性来掌握规律和某些趋势。这意味着可以从以前排除在响应难度之外的数据中发现新知识。
如何使用熟悉的大数据分析的示例
让我们来看看现实世界中的大数据用例。
在自动售货机上展示产品
产品展示通常被用作通过大数据分析制定法律的一个很好的例子。在一家饮料制造商中，我们更改了 “Z 形” 自动售货机的产品显示屏，该自动售货机从上方排列最畅销的产品，这在那之前很常见，因此我们重点关注的产品放在下方。这是通过安装眼动追踪摄像头（眼动追踪摄像头）获得的见解，该摄像头可以读取自动售货机中的视线，并分析称为 “购物者视线” 的大数据。结果，该公司的销售额增长了几个百分点。
许多自动售货机显示的产品样本比买家高。这是因为它通常固定在混凝土底座上，以防止在地震时掉落。当然，说在稍低的位置比眼睛的高度更容易看清这个姿势似乎很自然。但是，推翻已经被认为是常识的习俗的想法，例如 “Z形” 的显示，仅靠人类很难想出来。
了解需求波动并将其用于购买和产品开发
大数据分析的代表性应用之一是需求预测。在一家传送带寿司连锁店中，盘子上贴有ic标签，以确定卖了哪些菜以及卖了多少。当记账时，当店员将读者放在牌照上时，可以立即获取数据。这些数据每年有数亿个，通过分析此类大数据，我们掌握了销售和季节性需求的波动，并将其用于调整购买量和产品开发。
分析客户趋势以做出管理决策
在某些情况下，它用于便利店的销售分析和库存管理。一家便利店发现，只有10％的重度用户支持特定产品的60％的销售额。这是通过分析电子货币结算的大数据信息获得的知识。这家便利店继续销售某些产品，因为他们确定自己有狂热的粉丝。
便利店的一个重要收入来源是与所需产品一起购买的 “待购买”。即使一款产品乍一看似乎由于销售增长而不得不终止销售，但只要知道自己有热情的粉丝，你也可以找到吸引顾客的重要产品的新价值。
人类的感官也被解读为大数据
在一个内衣销售网站上，我们通过使用大数据分析退回的内衣和客户信息，成功地量化了内衣制造商之间略有不同的尺码差异。这就形成了一种系统，当买家输入自己的尺码时，只显示制造商提供的符合该尺寸的产品。
可以说，这能够分析有关不同人群内衣的合身性和舒适度的大数据，并向每位客户展示最好的产品。由于内衣的合身性和舒适度属于人类的感官和敏感性，因此人们普遍认为很难量化，但是根据独创性，也可以将这些信息作为大数据进行分析。
在工业和物联网领域使用大数据分析的示例
让我们来看看工业和物联网领域的使用示例。
实时掌握和预测路况
在某些情况下，通过向汽车提供通信功能来分析交通信息。通过使用具有通信功能的汽车（即所谓的联网汽车）收集驾驶信息，并使用大数据进行分析，可以获得交通拥堵信息和事故信息。这些数据可用于避免交通拥堵和预防事故。
作为一种机制，通过感知轮胎每秒旋转多少圈，可以确定如果旋转速度增加或保持不变，则不会出现交通拥堵。换句话说，道路状况是根据车辆速度的变化来判断的。此外，通过在汽车中安装GPS接收器，感知位置信息，并结合单个车辆速度的变化进行大数据分析，可以确定哪个区域正在发生或可能发生多少交通拥堵。在这种情况下，由于来自汽车的信息每时每刻都在实时变化，因此需要实时处理才能进行大数据分析。
高效的船舶运营
同样，在某些情况下，通过分析从传感获得的大数据，可以简化船舶的操作。一家商船公司在船舶上安装了传感器，以收集发动机速度、运行速度和洋流速度。我们成功地将其分析为大数据，并制定了最佳的飞行计划。当我们实际使用该计划进行运营时，我们的油耗减少了10％。从公众的角度来看，占10％似乎没什么大不了的，但是商船公司运营着大量的船舶，并且在很多情况下一次航程很长。这些结果的10％可以说是重大成本降低的效果。
向采矿优化致敬
在某些情况下，它有助于铲车和推土机等建筑机械的有效运行。建筑设备制造商的工程机械具有与物联网兼容的传感器。通过使用这种传感器来监控位置信息和运行状态并实时进行大数据分析，它可以用来提高运行效率和预测故障。这主要在海外矿山采矿时有用。海外矿山的采矿范围通常非常广，因此有必要选择尽可能短的距离，减少空载运送的频率。因此，通过感知发动机的启动时间、行驶距离、行进方向等并分析这些大数据，来实现挖矿的优化。
大数据分析将更加以实时为导向
上面，我们看到了如何使用大数据分析的示例。从这些示例中可以看出，实时进行大数据分析的需求将越来越多。边缘计算在速度方面可能高度兼容，特别是对于生产领域需要速度的应用程序。如果你正在考虑在这个生产领域进行大数据分析，那么引入边缘计算也是一种选择。
