IBM大数据分析技术再升级

云计算
IBM今天宣布,作为大数据解决方案提供商,IBM正在积极实践一系列全新大数据分析解决方案,帮助数字营销、客户服务、运营管理、财务绩效等不同领域的客户从激增数据中获取可行动的洞察,转换与顾客、员工和合作伙伴的互动方式,赢得业务先机。

IBM今天宣布,作为大数据解决方案提供商,IBM正在积极实践一系列全新大数据分析解决方案,帮助数字营销、客户服务、运营管理、财务绩效等不同领域的客户从激增数据中获取可行动的洞察,转换与顾客、员工和合作伙伴的互动方式,赢得业务先机。在此前的2012 IBM信息随需应变和业务分析峰会(IOD)上,IBM以“Think Big”、“Big Data”和“Big Future”为主题,再次强调了大数据时代大洞察的重要意义,以客户实际经验共享的形式展示大数据分析为企业带来的竞争机遇和优势,也同时提出大数据时代的未来展望。

如今,各行业企业都承受着越来越大的压力,需要从爆炸式增长的现有数据中提取新洞察。对电信行业而言,全球手机用户数量已经达到60亿,用户需要独特和个性化的产品来体现他们的个人风格。金融服务行业中,华尔街各家公司每分钟就生成5份新研究报告。此外,由于零售商没能了解顾客需求、盲目进货而导致的销售损失,每年达到约1000亿美金。

Gartner报告显示,全球大数据IT支出将由2012年的270亿美金,增至2016年的550亿美金。牛津大学赛德商学院(Saïd Business School)和IBM共同发布的调查报告《分析技术:大数据在真实世界的应用》(Analytics: the Real-world Use of Big Data)表明,分析将成为大数据环境下企业的重要举措之一,获取大数据价值亟需强大的分析能力。

IBM认为,大数据中蕴含着巨大的商业价值。提取数据价值,从而提高决策水平、改善业务成为企业成功的关键要素。IBM的大数据分析能力不仅来自于自身独特的研发创新,还来自于像Vivisimo和Unica等技术的收购,为不同行业和不同需求的客户量身打造大数据分析利器,能够进一步助力企业和机构从尽量广泛的数据中获取可行动的洞察:

IBM大数据分析解决方案为CMO实现营销优化

大数据技术的兴起正驱使每个渠道走向营销转型。当今,CMO们有责任从社交媒体、移动设备和传统渠道等不同渠道分析客户需求,以调整产品开发和销售。

全新的IBM Digital Analytics Accelerator (DAA)能帮助CMO们了解消费者情绪,投放精准广告和促销,避免客户流失,实施高级网络分析以预测客户需求。当前,CMO们有能力将高级分析放在其防火墙内部,用于分析所有社交媒体、网络流量和客户交流。这一行业首个数字营销领域的大数据解决方案由Netezza和Unica技术提供能力支持,使客户得以在几分钟内完成PB量级数据的复杂分析,使市场营销人员获取精准洞察。CMO可使用这些洞察使用最广泛的数据来源,加速营销活动的推广速度,并更好满足消费者需求。

Trident Marketing是一家直复营销企业,其客户包括DIRECTV、ADT和Travel Resorts of America等领先品牌。通过对大数据进行分析,Trident Marketing获得了前所未有的客户洞察,甚至可以预计客户最佳联系时间以及客户是否会取消服务。通过与IBM及其合作伙伴Fuzzy Logix携手,Trident Marketing实现了巨额增长。其营收在短短4年增长了10倍,产品部署后头两个月销售额增长10%,而且其客户流失率降低了50%。

“当前,营销专业人士首次可以获知个人消费者对其营销活动的反应。”Trident Marketing公司CIO Brandon Brown表示:“通过IBM大数据分析能力来捕获社交媒体情绪和其他相关销售和供应链数据,我们可以助理客户从‘向大众营销’发展到‘向大量个人以个性化方式进行营销’。若非大数据分析,企业很难更多了解消费者、占据先机、战胜竞争对手。”

IBM流数据分析为电信运营商提供实时洞察

联合国电信署近期报告指出,全球手机用户数量已经达到60亿台。电信服务提供商正承受日益增大的压力,需要分析其网络中的大数据以改善服务、发现欺诈、减少客户流失。

IBM研究院开发的InfoSphere Streams软件能分析和共享运行中的数据,在需要每秒做出百万次决定的环境中,以亚毫秒的速度做出决策。这一软件能以每天分析PB量级的速度,持续分析海量数据。

InfoSphere Steams最初用于金融服务数据分析,新功能包括内置加速器,帮助电信服务提供商持续获取和分析网络中运行的数据,更好了解客户服务使用情况、客户偏好,更便捷提供个性化产品和账单,从而降低流失率。这一软件还内置了社交媒体分析工具,有助于营销人员精调促销活动,提高客户忠诚度和客户保留率。

Sprint正使用IBM分析技术捕获和阐释所有网络数据(包括地点数据、掉线数、服务中断数、网络性能等),来提升整体客户体验和运营效率。Sprint公司创新及高级实验室执行主管Von McConnell指出:“IBM正帮助Sprint管理和分析网络数据,分析速度比以往提升了90%,” “我们现在可以实时提供个性化的新产品与服务,即刻响应市场动态。由于能够从大数据中获取洞察,我们能够用几分钟而非几小时,创造和交付新型移动应用,使Sprint能够遥遥领先于竞争对手。”

InfoSphere Streams还赋予开发人员能力,使其能拖动和删除数据源,以便快速直观地创建新分析应用。其图形用户界面不同于传统编程方式,使开发人员能够进行可视化复杂业务流程设计。数据科学家能借助新工具集,对地球空间、金融市场和设备内数据的网络事件日志、呼叫细节记录、金融交易等数据进行分析。

基于Hadoop的IBM大数据分析软件为行业推进更快决策

IBM InfoSphere BigInsights既分析数据库中的传统结构化数据,也分析结构化数据,使企业具备更快决策的能力。其新功能包括内置加速器用于分析来自数字基础架构中的数据,助力零售、制造、油气、能源和公用事业、医疗、履行和交通等行业企业建功运营效率,调查安全事件,进行主动维护、故障修理和断电预防。

BigInsights软件提供内置社交媒体分析加速器,帮助营销人员在客户获取和保留方面开发各项应用,进行客户细分和营销活动优化,并简化销售线索生成过程。营销人员还可以选择多个数据源,无需掌握Hadoop技能就能即刻创建新应用。

BigInsights的一大全新功能是InfoSphere Data Explorer。这一新功能整合了IBM收购的Vivismo技术,具有高级数据联合能力。不论数据源如何,这一软件能自动发现已有数据并进行数据导航,由此揭示主题、展现关系、确认数据价值并建立数据使用情境。

Hadoop数据分析报告工具依托于IBM强大的大数据平台,并和业务分析软件实现了无缝整合。Hadoop数据分析报告工具配合使用IBM Cognos BI和IBM Cognos Consumer Insight, 形成从数据到仪表板的交钥匙解决方案,用于社交数据的情绪分析。这就使更多决策者能够从企业级大数据中受益。

IBM分析软件改善财务部门的流程

面对日益繁杂和急迫的法规、合规和绩效报告要求,财务部门需要将企业内不同类型的数据,和诸如8-K表格、投资者简报、财政部债务管理报告、运营审核等法规文件的叙述文本,结合到一起。当前,财务部门从事的是劳动密集型工作,手工创建很多所需报告。据Hackett Group数据,82%的管理报告是用电子报表作为首要创建工具的。然而,创建流程耗时、易错,每次修改都需要重复流程,加大了风险度。

全新IBM Disclosure Management旨在应对这一复杂性问题。这一解决方案使用与电子报表类似的界面来捕获和分析多样化财务报表数据。其特点是不但能够达到法规要求,而且能够满足财务监控、投资者关系、财政部、财务规划和分析披露等各方面需求。

比如,使用这一软件能够自动形成管理报告和相关内容,以往这些工作是劳动密集型的手工作业。这一软件还能在财务报表周期伊始就自动创建新的报表模板,自动创建审批流程,将数据从相关数据源迁移到报表中。即便有最新的数据变化,也无需太多工作,因为此数据变化后,软件能自动匹配所有图表、幻灯片和文本文件中受影响的数据点,自动实现内容升级。一家大型油气厂商使用这一解决方案,实现了流程改善,将会计和财务专业人员的工作时间减低了91%。

责任编辑:王程程 来源: 51CTO
相关推荐

2014-03-07 10:36:15

IBM大数据与分析认知计算

2012-08-21 16:32:41

IBM大数据数据分析

2014-03-25 11:18:08

IBM论坛大数据分析

2021-01-27 09:18:50

大数据数据收集大数据分析

2015-08-25 10:32:07

健康大数据

2017-04-28 08:13:08

大数据框架HDFS

2013-05-29 09:50:55

IBM大数据分析大数据

2021-04-08 10:45:37

大数据技术安全

2015-06-17 14:39:23

大数据大数据分析

2020-09-17 20:36:46

大数据架构技术

2012-11-27 09:46:36

大数据运算云计算

2022-08-03 14:30:52

大数据数据分析数据收集

2015-08-14 10:28:09

大数据

2018-03-26 14:02:53

2017-10-11 11:10:02

Spark Strea大数据流式处理

2015-08-11 15:52:52

大数据数据分析

2022-03-29 14:49:14

大数据数据分析

2021-10-12 15:25:08

大数据数据分析

2013-04-09 09:28:20

大数据大数据全球技术峰会

2015-07-23 09:34:57

大数据数据分析
点赞
收藏

51CTO技术栈公众号