緊接著上篇中的25項案例介紹剩余其他的大數據公司挖掘數據價值的典型案例...

26. 眾趣的行為辯析

眾趣是國內第一家社交媒體數據管理平臺，目前國內主要的社交開放平臺在用戶數據的開放性方面仍比較保守，身為第三方數據分析公司，能夠獲得的用戶數據還十分有限，要使用這些用戶數據需獲得用戶許可。

眾趣通過運營統計學等相關數據分析原理對用戶數據進行過濾，最終完成的是對一個用戶的行為、動作等個體特征的描述。這些描述可以幫助品牌營銷者了解消費者的消費習慣及需求；也可以幫助企業的領導增強對自己員工的了解。除了對個體以及群體行為特征的描述外，這些數據分析結果還可用于對用戶群體的行為預測，從而為營銷者提供一些前瞻性的市場分析。

眾趣數據分析的結果只能精準到群組而無法達到個人。此類的用戶數據研究除在市場營銷領域具有一定的參考價之外，目前大多還主要用于配合一些小調研。此外，這些數據還可以實現對用戶甚至企業機構的信用評級，在金融領域也有一定程度的使用。

27. 拖拉網的明天猜想

導購電商的拖拉網制作了“明天穿什么”這一應用。在這個應用當中，眾多時裝圈權威人士輸送時裝搭配與風格單品，由用戶任意打分，根據用戶的打分偏好，拖拉網便能猜到明天她們想穿什么，然后為她在數十萬件網購時裝中推薦單品，并且實現直通購買下單。在獲取客戶數據后，后臺分析也是各顯神通。

拖拉網加入了更多變量來考核自己的推薦模式。比如有消費者明天要參加一個聚會，不知道要穿什么風格，也沒有看天氣預報，希望導購網站能幫她把這些場景和自己的信息組合起來，給出一整套的解決方案。

于是日期、地域、場合、風格，這些都成為穿衣搭配解決方案的變量，經過不斷的組合呈現給用戶，據拖拉網數據，用戶在看到一個比較優質的搭配，并有場景性引導的時候，點擊到最后頁面完成購買的轉化率會比單品推薦高40%。

28. SeeChange的基因健康

現在人們有了把人類基因檔案序列化的能力，這允許醫生和科學家去預測病人對于某些疾病的易感染性和其他不利的條件，可以減少治療過程的時間和花費。

位于舊金山的SeeChange公司創建了一套新的健康保險模式。該公司通過分析客戶的個人健康記錄、醫療報銷記錄、以及藥店的數據，來判斷該客戶對于慢性病的易感性，并判斷該客戶是否有可能從一些定制的康復套餐中獲利。

SeeChange同時設計健康計劃，并設立獎勵機制鼓勵客戶主動完成健康行動，全過程都通過其數據分析引擎來監控。

29. Given Imaging的圖像診斷

以色列的Given Imaging公司發明了一種膠囊，內置攝像頭，患者服用后膠囊能以大約每秒14張照片的頻率拍攝消化道內的情況，并同時傳回外置的圖像接收器，患者病征通過配套的軟件被錄入數據庫，在4至6小時內膠囊相機將通過人體排泄離開體外。

一般來說，醫生都是在靠自己的個人經驗進行病征判斷，難免會對一些疑似陰影拿捏不準甚至延誤病人治療。現在通過Given Imaging的數據庫，當醫生發現一個可疑的腫瘤時，雙擊當前圖像后，過去其他醫生拍攝過的類似圖像和他們的診斷結果都會悉數被提取出來。

可以說，一個病人的問題不再是一個醫生在看，而是成千上萬個醫生在同時給出意見，并由來自大量其他病人的圖像給出佐證。這樣的數據對比，不但提高了醫生診斷的效率，還提升了準確度。

30. Entelo的“前獵頭”

真正的技術人才永遠是各大公司的搶手貨，絕對不要坐等他們向你投簡歷，因為在他們還沒有機會寫簡歷之前很可能已經被其他公司搶走了。Entelo公司能替企業家們推薦那些才剛剛萌發跳槽動機的高級技術人才，以便先下手為強。

Entelo的數據庫里目前有3億份簡歷。而如何判斷高級人才的跳槽傾向，Entelo有一套正在申請專利的算法。這套算法有70多個指標用于判定跳槽傾向。某公司的股價下跌、高層大換血、剛被另一大公司收購，這些都會被Entelo看作是導致該公司人才跳槽的可能性因素。

于是Entelo就會立刻把該公司里的高級人才的信息推送給訂閱了自己服務的企業家們。企業家們收到的簡歷跟一般的簡歷還不一樣。Entelo抓取了這些人才在各大社交網絡的信息。這樣企業家們可以了解該人提交過哪些代碼，在網上都回答了些什么樣的問題，在Twitter上都發表的是些什么樣的信息。

總之，這些準備“挖角”的企業家能夠看到一個活生生的目標人才站在面前。

31. FlightCaster和Passur的延誤預測

航空業分秒必爭，尤其是航班抵達的準確時間。如果一班飛機提前到達，地勤人員還沒準備好，乘客和乘務員就會被困在飛機上白白耽誤時間;如果一班飛機延誤，地勤人員就只能坐著干等，白白消耗成本。

美國一家大航空公司從其內部報告中發現，大約10%的航班的實際到達時間與預計到達時間相差10分鐘以上，30%的航班相差5分鐘以上。FlightCaster是一家提供航班延誤信息預測的公司，主要根據航空公司的航班運行情況進行預測。

與航空公司所擁有的類似航班運行情況的專有信息一樣，該公司擁有大量國內航班飛行和航班實時運行狀況的歷史數據。Flightcaster的秘訣就是其對大數據分析的有效利用和使用適當的軟件工具對產出數據進行實時管理。

Passur Aerospace是專門為航空業提供決策支持的技術公司。通過搜集天氣、航班日程表等公開數據，結合自己獨立收集的其他影響航班因素的非公開數據，綜合預測航班到港時間。時至2012年，Passur公司已經擁有超過155處雷達接收站，每4.6秒就收集一次雷達上每架飛機的一系列信息，這會持續地帶來海量數據。

不僅如此，經過長期的數據收集，Passur擁有了一個超過十年的巨大的多維信息載體，為透徹的分析和恰當的數據模型提供了可能。Passur公司相信，航空公司依據它們提供的航班到達時間做計劃，能為每個機場每年節省數百萬美元。

32. Climate的農業保險

一家名為氣候公司的創業企業每天都會對美國境內超過100萬個地點、未來兩年的天氣情況進行超過1萬次模擬，其數據量龐大、動態、實時。隨后，該公司將根系結構和土壤孔隙度的相關數據，與模擬結果相結合，為成千上萬的農民提供農作物保險。

通過遙感獲取土壤數據，這和我們過去所熟悉的通過網絡服務獲取用戶網絡行為數據不是一回事，數據的概念得以極大的擴充。要想對每塊田地提供精準的保險服務，肯定還需要與土地數據相配套的農產品期貨、氣候預測、國際貿易、國際政治和軍事安全、國民經濟，產業競爭等等各方面的數。

在如此龐雜的大數據基礎上推出的商業模式是創新的，同現有農作物保險方式相比具備極大競爭力，并且是可持續和規模化的。更妙的是，這家公司基于大數據的運營，完全沒有進行高額的網絡設施投資，只是租用了亞馬遜的公共云服務，一個月幾萬美元而已。

33. Hiptype的記錄閱讀

幾乎所有的收費電子書都會提供部分章節讓讀者試讀，其實，出版商需要弄清楚人們讀到了哪里、讀完后有沒有購買，以及其他各種體驗，才能賣出更多的電子書。

美國創業公司Hiptype開發了一套電子書閱讀分析工具，其商業模式就在試圖解決這一難題。Hiptype自稱為“面向電子書的Google Analytics”，能夠提供與電子書有關的豐富數據。它不僅能統計電子書的試讀和購買次數，還能繪制出“讀者圖譜”，包括用戶的年齡、收入和地理位置等。

此外，它還能告訴出版商讀者在看完免費章節后是否進行了購買，有多少讀者看完了整本書，以及讀者平均看了多少頁，讀者最喜歡從哪個章節開始看，又在哪個章節半途而廢，等等。

Hiptype能夠與電子書整合在一起，出版商無論選擇哪種渠道，總是能夠獲得用戶數據。Hiptype收集的所有數據都是匿名的。用戶在下載了內置Hiptype服務的電子書時，會得到一個提示，可以選擇將其屏蔽。

34. 安客誠的“人網合一”

網絡營銷存在一個巨大問題，如何獲知在網上使用幾個不同名稱的人是否是同一個人?安誠客推出了一種名為“觀眾操作系統”的技術方案解決了這個問題。它允許市場營銷者與你的 “數字人物”綁定，即使你由于婚姻換了名字，或者使用昵稱，或者偶爾使用中名，它也照樣能夠解答那個已經換了地址或者電話號碼的人是否是同一個人的問題。

AOS 可以匯集不同數據庫中的信息，這些數據或離線或在線，是公司可能在不同場合針對個人而收集的。通過使用AbiliTec——一種Acxiom也擁有的數字化“身份識別”技術——AOS將客戶信息刪繁就簡，得到簡單單一的結果。AOS幫助安誠客的廣告客戶使用他們的數據在Facebook上找到廣告投放目標用戶。

03 下篇：數據關聯、數據廢氣和黑暗數據

大數據主要不作因果判斷，主要適用于關聯分析。很多關聯分析并不需要復雜的模型，只需要具有大數據的意識。

很多機構都有數據廢氣，數據不是用完就是被舍棄，它的再利用價值也許你現在不清楚，但在未來的某一刻，它會迸發出來，可以化廢為寶。

黑暗數據就是那些針對單一目標而收集的數據，通常用過之后就被歸檔閑置，其真正價值未能被充分挖掘。如果黑暗數據用在恰當的地方，也能公司的事業變得光明。

35. 數據關聯分析

某公司團隊曾經使用來自手機的位置數據，來推測美國圣誕節購物季開始那一天有多少人在梅西百貨公司的停車場停車，進而可以預測其當天的銷售額，這遠早于梅西百貨自己統計出的銷售記錄。無論是華爾街的分析師或者傳統產業的高管，都會因這種敏銳的洞察力獲得極大的競爭優勢。

對于稅務部門來說，稅務欺騙正在日益的被關注，這時大數據可以用于增加政府識別詐騙的流程。在隱私允許的地方，政府部門可以綜合各個方面的數據比如車輛的登記，海外旅游的數據來發現個人的花費模式，使稅務貢獻不被疊加。同時一個可疑的問題出現了，這并沒有直接的證據指向詐騙，這些結論并不能用來去控告個人。但是他可以幫助政府部門去明確他們的審計和其他的審核以及一些流程。

36. 數據廢氣

物流公司的數據原來只服務于運營需要，但一經再利用，物流公司就華麗轉身為金融公司，數據用以評估客戶的信用，提供無抵押貸款，或者拿運送途中的貨品作為抵押提供貸款;物流公司甚至可以轉變為金融信息服務公司來判斷各個細分經濟領域的運行和走勢。

有公司已經在大數據中有接近“上帝俯視”的感覺，美國洛杉磯的一家企業宣稱，他們將全球夜景的歷史數據建立模型，在過濾掉波動之后，做出了投資房地產和消費的研究報告。

麥當勞則通過外送服務，在售賣漢堡的同時獲得了用戶的精準地址，這些地址數據匯集之后，就變成了一份絕妙的房地產業的內部數據。

37. 黑暗數據

在特定情況下，黑暗數據可以用作其他用途。Infinity Property & Casualty公司用累積的理賠師報告來分析欺詐案例，通過算法挽回了1200萬美元的代位追償金額。一家電氣銷售公司，通過積累10年ERP銷售數據分析，按照電氣設備的生命周期，給5年前的老客戶逐一拜訪，獲得了1000萬元以上電氣設備維修訂單，順利地進入MRO市場。

38. 客戶流失分析

美國運通以前只能實現事后諸葛亮式的報告和滯后的預測，傳統的BI已經無法滿足其業務發展的需要。

于是，AmEx開始構建真正能夠預測客戶忠誠度的模型，基于歷史交易數據，用115個變量來進行分析預測。該公司表示，對于澳大利亞將于之后4個月中流失的客戶，已經能夠識別出其中的24%。這樣的客戶流失分析，當然可以用于挽留客戶。

酒店業可以為消費者定制相應的獨特的個性房間，甚至可以在墻紙上放上消費者的微博的旅游心情等等。旅游業可以根據大數據為消費者提供其可能會喜好的本地特色產品、活動、小而美的小眾景點等等來挽回游客的心。

39. 快餐業的視頻分析

快餐業的公司可以通過視頻分析等候隊列的長度，然后自動變化電子菜單顯示的內容。如果隊列較長，則顯示可以快速供給的食物;如果隊列較短，則顯示那些利潤較高但準備時間相對長的食品。

40. 大數據競選

2012年，參與競選的奧巴馬團隊確定了三個最根本的目標：讓更多的人掏更多的錢，讓更多的選民投票給奧巴馬，讓更多的人參與進來！

這需要“微觀”層面的認知：每個選民最有可能被什么因素說服？每個選民在什么情況下最有可能掏腰包？什么樣的廣告投放渠道能夠最高效獲取目標選民？如競選總指揮吉姆·梅西納所說，在整個競選活中，沒有數據做支撐的假設不能存在。

為了籌到10億美元的競選款，奧巴馬的數據挖掘團隊在過去兩年搜集、存儲和分析了大量數據。他們注意到，影星喬治·克魯尼對美國西海岸40歲至49歲的女性具有非常大的吸引力：她們無疑是最有可能為了在好萊塢與克魯尼和奧巴馬共進晚餐而不惜自掏腰包的一個群體。克魯尼在自家豪宅舉辦的籌款宴會上，為奧巴馬籌集到數百萬美元的競選資金。

此后，當奧巴馬團隊決定在東海岸物色一位對于這個女性群體具有相同號召力的影星時，數據團隊發現莎拉·杰西卡·帕克的粉絲們也同樣喜歡競賽、小型宴會和名人。“克魯尼效應”被成功地復制到了東海岸。

在整個的競選中，奧巴馬團隊的廣告費用花了不到3億美元，而羅姆尼團隊則花了近4億美元卻落敗，其中一個重要的原因在于，奧巴馬的數據團隊對于廣告購買的決策，是經過縝密的數據分析之后才制定的。一項民調顯示，80%的美國選民認為奧巴馬比羅姆尼讓他們感覺更加重視自己。

結果是，奧巴馬團隊籌得的第一個1億美元中，98%來自于小于250美元的小額捐款，而羅姆尼團隊在籌得相同數額捐款的情況下，這一比例僅為31%。

41. 監控非法改建

“私搭亂建”在哪個國家都是一件鬧心的事，而且容易引起火災。非法在屋內打隔斷的建筑物著火的可能性比其他建筑物高很多。紐約市每年接到2.5萬宗有關房屋住得過于擁擠的投訴，但市里只有200名處理投訴的巡視員。

市長辦公室一個分析專家小組覺得大數據可以幫助解決這一需求與資源的落差。該小組建立了一個市內全部90萬座建筑物的數據庫，并在其中加入市里19個部門所收集到的數據：欠稅扣押記錄、水電使用異常、繳費拖欠、服務切斷、救護車使用、當地犯罪率、鼠患投訴等等。

接下來，他們將這一數據庫與過去5年中按嚴重程度排列的建筑物著火記錄進行比較，希望找出相關性。果然，建筑物類型和建造年份是與火災相關的因素。不過，一個沒怎么預料到的結果是，獲得外磚墻施工許可的建筑物與較低的嚴重火災發生率之間存在相關性。

利用所有這些數據，該小組建立了一個可以幫助他們確定哪些住房擁擠投訴需要緊急處理的系統。他們所記錄的建筑物的各種特征數據都不是導致火災的原因，但這些數據與火災隱患的增加或降低存在相關性。這種知識被證明是極具價值的：過去房屋巡視員出現場時簽發房屋騰空令的比例只有13%，在采用新辦法之后，這個比例上升到了70%。

42. 榨菜指數

負責起草《全國促進城鎮化健康發展規劃(2011-2020年)》(以下簡稱“城鎮化規劃”)的國家發改委規劃司官員需要精確知道人口的流動，怎么統計出這些流動人口成為難題。

榨菜，屬于低質易耗品，收入增長對于榨菜的消費幾乎沒有影響。一般情況下，城市常住人口對于方便面和榨菜等方便食品的消費量，基本上是恒定的。銷量的變化，主要由流動人口造成。

據國家發改委官員的說法，涪陵榨菜這幾年在全國各地區銷售份額變化，能夠反映人口流動趨勢，一個被稱為“榨菜指數”的宏觀經濟指標就誕生了。國家發改委規劃司官員發現，涪陵榨菜在華南地區銷售份額由2007年的49%、2008年的48%、2009年的47.58%、2010年的38.50%下滑到2011年的29.99%。

這個數據表明，華南地區人口流出速度非常快。他們依據“榨菜指標”，將全國分為人口流入區和人口流出區兩部分，針對兩個區的不同人口結構，在政策制定上將會有所不同。

43. 天氣賬單

常言道，“天有不測之風云”，遇到過出門旅游、重要戶外路演、舉辦婚禮等重要時刻卻被糟糕的天氣弄壞心情甚至造成經濟損失的情況嗎？

全球第一家氣象保險公司“天氣賬單”能為用戶提供各類氣候擔保。客戶登錄“天氣賬單”公司網站，然后給出在某個特定時間段里不希望遇到的溫度或雨量范圍。“天氣賬單”網站會在100毫秒內查詢出客戶指定地區的天氣預報，以及美國國家氣象局記載的該地區以往30年的天氣數據。通過計算分析天氣數據，網站會以承保人的身份給出保單的價格。這項服務不僅個人用戶需要，一些公司，比如旅行社也很樂意參與。

一家全球性飲料企業將外部合作伙伴的每日天氣預報信息集成，錄入其需求和存貨規劃流程。通過分析特定日子的溫度、降水和日照時間等3個數據點，該公司減少了在歐洲一個關鍵市場的存貨量，同時使預測準確度提高了大約5%。

44. 歷史情景再現

微軟和以色列理工學院的研究人員已開發出一款軟件，能根據過去20年《紐約時報》的文章以及其他在線數據預測傳染病或者其他社會問題可能會于何時何地爆發。

在利用歷史數據進行測試時，該系統的表現十分驚人。例如，根據2006年對安哥拉干旱的報道，該系統預測安哥拉很可能發生霍亂。這是由于，通過此前發生的多起事件，該系統了解到在干旱出現的幾年后霍亂爆發的可能性將上升。

此外，該系統根據對2007年初非洲大型颶風的報道，再次對安哥拉發生霍亂做出預警。而在不到一周之后，報道顯示安哥拉確實發生了霍亂。在其他測試，例如對疾病、暴力事件及傷亡人數的預測中，該系統的準確率達到70%至90%。

該系統的信息來自過去22年中《紐約時報》的報道存檔，具體時間為1986年至2007年。不過，該系統也利用了網絡上的其他一些數據，了解什么樣的事件會帶來特定的社會問題。這些信息來源提供了不存在于新聞文章但卻有價值的內容，有助于確定不同事件之間的因果關系或前后關系。

例如，該系統能夠推斷盧旺達和安哥拉城市之間所發生事件的關系，因為這兩個國家都位于非洲，有著類似的GDP，其他一些因素也很相似。根據這種方法，該系統認為，在預測霍亂爆發方面，應當考慮國家或城市的位置，國土面積有多少是水域，人口密度和GDP是多少，以及近幾年是否發生過干旱。

負責此項研發工作的Horvitz表示，近幾十年來，世界的許多方面都發生了改變，不過人類的本性和環境的許多方面仍然未變，因此軟件可以從以往的數據中了解事情發生的模式，從而預測未來會發生什么。他表示：“對于回溯更久之前的數據，我個人很感興趣。”

此類預測工具的市場正在形成。例如，一家名為RecordedFuture的創業公司根據網上的前瞻性報道和其他信息來源預測未來事件，該公司的客戶包括政府情報部門。該公司CEOChristopherAhlberg表示，利用“硬數據”來進行預測是可行的，但從原型系統到商用產品還有很長的路要走。

45. Nike+傳感鞋

耐克憑借一種名為Nike+的新產品變身為大數據營銷的創新公司。所謂Nike+，是一種以“Nike跑鞋或腕帶+傳感器”的產品，只要運動者穿著Nike+的跑鞋運動，iPod就可以存儲并顯示運動日期，時間、距離、熱量消耗值等數據。用戶上傳數據到耐克社區，就能和同好分享討論。

耐克和Facebook達成協議，用戶上傳的跑步狀態會實時更新到賬戶里，朋友可以評論并點擊一個“鼓掌”按鈕——神奇的是，這樣你在跑步的時候便能夠在音樂中聽到朋友們的鼓掌聲。

隨著跑步者不斷上傳自己的跑步路線，耐克由此掌握了主要城市里最佳跑步路線的數據庫。有了Nike+，耐克組織的城市跑步活動效果更好。參賽者在規定時間內將自己的跑步數據上傳，看哪個城市累積的距離長。

憑借運動者上傳的數據，耐克公司已經成功建立了全球最大的運動網上社區，超過500萬活躍的用戶，每天不停地上傳數據，耐克借此與消費者建立前所未有的牢固關系。海量的數據對于耐克了解用戶習慣、改進產品、精準投放和精準營銷又起到了不可替代的作用。

46. 沃爾沃的工業互聯網

在沃爾沃集團，通過在卡車產品中安裝傳感器和嵌入式CPU，從剎車到中央門鎖系統等形形色色的車輛使用信息，正源源不斷地傳輸到沃爾沃集團總部。

“對這些數據進行分析，不僅可以幫助我們制造更好的汽車，還可以幫助客戶們獲取更好體驗。”沃爾沃集團CIORichStrader說。這些數據正在被用來優化生產流程，以提升客戶體驗和提升安全性。

將來自不同客戶的使用數據進行分析，可以讓產品部門提早發現產品潛在的問題，并在這些問題發生之前提前向客戶預警。“產品設計方面的缺陷，此前可能需要有50萬臺銷量的時候才能暴露出來，而現在只需要1000臺，我們就能發現潛在的缺陷。”

47. McKesson的動態供應鏈

在美國最大的醫藥貿易商McKesson公司，對大數據的應用也已經遠遠領先于大多數企業，將先進的分析能力融合到每天處理200萬個訂單的供應鏈業務中，并且監督超過80億美元的存貨。

對于在途存貨的管理，McKesson開發了一種供應鏈模型，它根據產品線、運輸費用甚至碳排放量而提供了極為準確的維護成本視圖。據公司流程改造副總裁RobertGooby說，這些詳細信息使公司能夠更加真實地了解任意時間點的運營情況。

McKesson利用先進分析技術的另一個領域是對配送中心內的物理存貨配置進行模擬和自動化處理。評估政策和供應鏈變化的能力幫助公司增強了對客戶的響應能力，同時減少了流動資金。總體來講，McKesson的供應鏈轉型使公司節省了超過1億美元的流動資金。

48. 紙牌屋與電影業

《紙牌屋》最大的特點在于，與以往電視劇的制作流程不同，這是一部“網絡劇”。簡而言之，不僅傳播渠道是互聯網觀看，這部劇從誕生之初就是一部根據“大數據”，即互聯網觀眾欣賞口味來設計的產品。

Netflix成功之處在于其強大的推薦系統Cinematch，該系統基于用戶視頻點播的基礎數據如評分、播放、快進、時間、地點、終端等，儲存在數據庫后通過數據分析，計算出用戶可能喜愛的影片，并為他提供定制化的推薦。為此他們開設了年Netflix大獎(點擊查看獲獎算法)，用百萬美元懸賞，獎勵能夠將其電影推薦算法準確性提高至少10%的人。

未來的電影制作成本將大幅降低，一千粉絲足以使電影成功。還是像《技術元素》里說：“目光聚集的地方，金錢必將追隨。”

49. 點評與餐飲業

美國很多州政府在與餐飲點評網lep展開合作，監督餐飲行業的衛生情況，效果非常好。人們不再像以前那樣從窗口去看餐館里的情況，而是從手機APP里的評論！在中國的本地化O2O點評比如大眾點評、番茄點等等，消費者可以對任何商家進行評判，同時商家也可以通過這些評判來提升自己的服務能力，在環節上進行更大力度的效率優化。

未來的餐飲行業將會由互聯網和社會化媒體上所產生和承載的數據徹底帶動起來，會有越來越多的人加入點評中，餐館優勝劣汰的速度將會大幅加快。

關注公眾賬號

【飛馬會】

▼

飛馬會AI人工智能/大數據/技術管理等人員學習交流園地往期福利關注飛馬會公眾號，回復對應關鍵詞打包下載學習資料；回復“入群”，加入飛馬網AI、大數據、項目經理學習群，和優秀的人一起成長！

微軟大牛人工智能系列課

（掃碼試聽或訂閱）

回復 數字“1”下載從入門到研究，人工智能領域最值得一讀的10本資料（附下載）

回復 數字“2”機器學習 & 數據科學必讀的經典書籍，內附資料包！

回復 數字“3”走進AI & ML：從基本的統計學到機器學習書單（附PDF下載）

回復 數字“4”了解人工智能，30份書單不容錯過（附電子版PDF下載）

回復 數字“6”AI人工智能：54份行業重磅報告匯總（附下載）

回復 數字“7”TensorFlow介紹、安裝教程、圖像識別應用（附安裝包/指南）

回復 數字“12”

小白| Python+Matlab+機器學習+深度神經網絡+理論+實踐+視頻+課件+源碼，附下載！

回復 數字“14”小白| 機器學習和深度學習必讀書籍+機器學習實戰視頻/PPT+大數據分析書籍推薦！

回復 數字“20”17張思維導圖，一網打盡機器學習統計基礎（附下載）

回復 數字“22”吳恩達新書，教你構建機器學習項目：《Machine Learning Yearning》

回復 數字“23”機器學習：怎樣才能做到從入門到不放棄？（內含福利）

回復 數字“24”限時下載 | 132G編程資料：Python、JAVA、C，C++、機器人編程、PLC，入門到精通~

回復 數字“25”限資源 | 177G Python/機器學習/深度學習/算法/TensorFlow等視頻，涵蓋入門/中級/項目各階段！

回復 數字“26”人工智能入門書單推薦，學習AI的請收藏好（附PDF下載）

回復 數字“27”資源 | 吳恩達斯坦福CS230深度學習課程全套資料放出（附下載）

回復 數字“28”懂這個技術的程序員被BAT瘋搶...（內含資料包）

回復 數字“29”干貨 | 28本大數據/數據分析/數據挖掘電子書合集免費下載！

回復 數字“30”領取 | 100+人工智能學習、深度學習、機器學習、大數據、算法等資料，果斷收藏！

回復 人工智能下載《FMI人工智能與大數據峰會嘉賓演講PPT》

回復 AI 江湖下載《十大AI江湖領域》

回復 ML實踐下載《機器學習實踐經驗指導（英文版）》

回復 DL論文下載《深度學習100篇以上論文資料》

回復 算法 下載《數據挖掘十大經典算法》

回復 6.10 下載《6.10餓了么&飛馬網項目管理實踐PPT》

總結

以上是生活随笔為你收集整理的下篇 | 大数据公司挖掘数据价值的49个典型案例（值得收藏）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。