在本文中，威爾•凱利將與我們分享一些關于大數據和預測分析，在多個行業的一些非常規的用途。

我們已經性接觸過眾多圍繞著大數據和預測分析的公約、挑戰、目前流行的思維理念、以及商業模式的文章了。然而，除了對于大數據的恐懼、懷疑、不確定性以及對于大數據概念的大肆炒作之外，目前，已經有一些企業開始把大數據分析技術用在一些非常規的領域了。

露天采礦挖掘數據追蹤

首先，讓我們來看看日立數據系統(HDS)如何利用大數據和預測分析來支持某些大型建設、采礦和交通運輸等行業的重工業應用的吧。當我與他們的產品規劃副總裁邁克爾•海;軟件產品的營銷高級主管薩拉•加德納;以及全球營銷的高級副總裁阿西姆•查希爾進行交流時，他們向我概述了大數據和預測分析如何在重型礦山設備上工作的。

這篇由薩拉•加德納撰寫的題為《日立數據機：露天礦數據挖掘》重點講述了日立是如何利用大數據來支持其露天礦數據挖掘機械工作的。我不是在談論數據的挖掘，而是說礦產的地下開采。加德納的文章中說明了一些極端例子：如數據機床推動了大數據和預測分析，進而幫助完成我們很多人都認為是非常規性的業務任務。

一些大數據業內人士將大數據和預測分析的應用程序在重型工業設備和運輸系統的運用視為未來整個大數據運用領域增長的一個主要因素。

提高電子商務客戶體驗

盡管零售商店行業的競爭已然十分激烈了，一些相同的問題也開始延伸到電子商務領域里。一家名為Bloomreach的創業公司旨在利用大數據來提高電子商務的客戶體驗。這是基于客戶的搜索習慣來提供客戶專屬頁面，而不是修改整個網站的用戶體驗。Bloomreach公司的技術側重于通過分析產品需求關注內容發現。

Bloomreach公司的***執行官Rajdedatta向我介紹了該公司如何利用大數據技術來加強電子商務的客戶體驗。他們的技術人員在大型電子商務網站的后端，使他們能夠在保證強大的客戶體驗的同時，基于客戶搜索條件的***匹配來定制新產品登陸頁面。

雖然將大數據應用程序作為電子商務和客戶體驗的一部分可能看起來已經平常了。但這為我們指明了三個發展方向。***個發展方向是大數據將向電子商務的世界的內容戰略家、信息建筑師、設計師發起挑戰。第二個發展方向是大數據的流暢性將成為以后的電子商務人才的重要要求。第三個，也許是最重要的發展方向是電子商務網站后端的大數據技術將成為在搜索和網上銷售競爭中吸引顧客眼球所必須的技術。

收銀機和呼叫中心背后的應用分析

可能大數據最為知名的應用領域就是跟蹤客戶的行為了。然而，日立商業顯微鏡的大數據和預測分析適用于通過應用技術于大客戶服務中心和零售店的收銀機來分析客戶的另一面。

商業顯微鏡捕捉所謂的“情感時刻”，用傳感器分析客戶在接受電話客服的發聲，或通過客戶的刷卡消費來統計客流量，通過工牌卡來了解客戶在于呼叫中心的哪位客服人員溝通。

在零售環境中，商業顯微鏡可以研究客流量，然后返回數據，幫助優化零售環境的布局。

大數據可以根據與顧客的互動來跟蹤客戶的行為，以便為企業提供可操作的信息，進而為顧客提供***的服務，贏得商業競爭。

實施NFL門票動態價格

大多數和我一樣住在華盛頓的Redskins橄欖球隊的球迷都非常熟悉人們在橄欖球賽季對于門票定價的投訴和抱怨。而其他地區的球迷對于他們當地的NFL球隊在每個賽季的門票定價也充滿了各種愛恨。NFL正在使用FICO的大數據和預測分析方法，以確定并實施動態的門票定價策略。

利用大數據和預測分析方法來實施動態定價可能比我們更了解消費者。只是，FICO和NFL才剛剛開始使用案例研究項目階段。如此規模的大數據和預測分析項目至少需要是在收集了一段時間的客戶需求、以及其他方面的消費需求才可以付諸實施。

提高企業溢價認購用戶留存率

今天，溢價認購市場面臨更多的挑戰。因為取消認購是用戶在時機成熟時削減預算的***步。而一家初創型企業ScoutAnalytics正在應用大數據和預測分析，以幫助包括軟件即服務(SaaS)、信息服務和數字媒體等類型的企業改善他們的用戶留存率。

ScoutAnalytics公司宣稱他們在幫助企業提高溢價認購用戶留存率方面的營收增加了10%至15%。其可以作為一個數據樞紐，關聯到銷售配額，幫助銷售團隊獲取更多的經常性收入。

總結

在這篇文章中，我們向您展示了大數據和預測分析如何成為橫跨多個行業的非傳統的應用的基礎技術。盡管頻繁的采用大數據和預測分析還是一項挑戰，但這些非常規性的特殊的應用技術為我們展示了更好的個人、企業的未來。而在線生活也必將成為今天和未來更大的商業平臺的一部分。