Las Vegas精英100:集中做数据分析

文章讲的是Las Vegas精英100:集中做数据分析,所有的目光都集中在上周拉斯维加斯会议上信息周报公布的精英100的排名上,本次大会公布了一些IT领域的顶尖的项目并且所有人公认的前五名的项目都是大数据和分析领域的。

  一些世界上顶尖的CIO和他们的团队正在因为这件事相聚庆祝并重新审视这些改变游戏规则的IT项目。让我们来看看其中的一部分是什么样子的。

  联邦快递项目旨在加快商业客户的进出口进程。这个过程受到了内部系统不同的阻力同时也被许多地区复杂的海关环境阻碍。为了解决这个问题,联邦快递服务启动了清除客户概要文件应用程序帮助解决企业通关的障碍,在今年的精英100上赢得了第五名,依赖于面向服务的体系结构(SOA),J2EE、Hibernate、Oracle、数据库、Spring、Tibco和JMS基础设施等。

  “真正的力量不是个人技术,而是我们如何组装成一个更灵活的IT系统模型,” 联邦快递拉丁美洲副总裁、首席信息官保罗·里维拉在接受电话采访时表示。“权力是我们解决问题的方式。”

  宾夕法尼亚大学医学电子健康记录的项目使用现有的数据进行实时预测分析心力衰竭患者。这项技术叫做Penn信号,在今年的精英100排名中排在第四的位置,患者可以组织和分配他们的心脏病风险资源让他们达到最好的治疗。

  “我们觉得这是在制度上的最高水平,如果一个卫生系统不是挖掘它的数据来指导临床护理,这就像在一场扑克比赛中把钱放在桌子上一样,”首席信息官迈克Restuccia在接受信息周报访问时说。“如果你做了就是一个耻辱。”

  新泽西州地平线蓝十字蓝盾的项目实现了一个免费的医疗交付模型,使用新技术来收集数据和提高成员的经验。项目可跟踪实现支付医疗法案和创建三个目标。

  “首先是整体提高医疗保健的质量,其次是降低医疗服务的总成本,最后是增加病人的经验,”CIO道格·布莱克威尔在一次采访中表示。

  该项目的医疗保健价值策略,旨在奖励优质的护理质量。该组织使用购买,建立和合作伙伴的方法将注意力集中在五个关键领域,信息共享和分析、临床优化、组织与供应商合作伙伴、与病人接触、提高成员的经验。努力为公司在2016信息周报精英100中赢得了第三名。

  天气公司的项目是使数据收集、存储、和预测更加现代化,该项目在2015年赢得了信息周精英100的认可并在2016年,公司进一步努力争取到了第二名的位置。该项目再接再厉,结合气象数据与业务数据扩大范围为更多的企业决策提供帮助。

  “天气,在一天结束的时候,是大数据问题的开始,”首席信息官和首席技术官布赖森克勒在接受采访时表示。天气是影响企业绩效最大的一个外部因素,仅在美国,每年就有接近一亿美元的损失。通过结合天气和业务数据,天气公司在全行业为更多的公司提高业务决策的准确度。

  信息周报精英100中排名第一的是一个示例项目:一个手机钱包应用程序,这个应用程序是公司的设计思维的一个实现,是开发产品和服务的一种方法。公司把高管们送到斯坦福大学的Hasso Plattner研究所的设计中心训练,最后形成了这套方法论。

  “从根本上说,我们的产品都是通过软件发行之后客户反馈的使用经验实现的,”第一资本金融公司首席信息官罗布·亚历山大在一次采访中表示。“理解之后我们着手把它转向技术。”除了排名前5名的这些项目之外还有很多项目和研究范围。这些你都可以在精英100中找到。

作者: zyy

来源:IT168

原文链接:Las Vegas精英100:集中做数据分析

时间: 2024-09-28 04:09:24

Las Vegas精英100:集中做数据分析的相关文章

做数据分析时,R 用户如何学习 Python?

本文是帮助 R 用户增强技能和为数据科学进阶而学习 Python (从零开始).毕竟,R 和 Python 是数据科学从业者必需掌握的两门最重要的编程语言. Python 是一门功能强大和多用途的编程语言,在过去几年取得惊人发展.它过去用于 Web 开发和游戏开发,现在数据分析和机器学习也要用到它.数据分析和机器学习是 Python 应用上相对新的分支. 作为初学者,学习 Python 来做数据分析是比较痛苦的.为什么? 在谷歌上搜索"Learn Python ",你会搜到海量教程,但

做数据分析时,你的方法论是什么?

这是一篇方法论.是的,很枯燥. 在知乎.woshipm.pmcaff.产品100等搜索了大量的数据分析相关的文章,发现没有多少适合自己的,因为内容太过碎片化,就买了一套书,开始系统的学习. 当你完成一份数据分析报告时,不知领导是否有问过你,"你的分析方法论是什么?".如果分析方法论不正确或不合理,那分析结果参考价值几何呢? 困惑 相信很多人在做数据分析时,会经常遇到这几个问题:不知从哪方面入手开展分析;分析的内容和指标常常被质疑是否合理.完整,自己也说不出个所以然来.当然我也一样,处在

做数据分析时,你的方法论是什么?

这是一篇方法论.是的,很枯燥. 在知乎.woshipm.pmcaff.产品100等搜索了大量的数据分析相关的文章,发现没有多少适合自己的,因为内容太过碎片化,就买了一套书,开始系统的学习. 当你完成一份数据分析报告时,不知领导是否有问过你,"你的分析方法论是什么?".如果分析方法论不正确或不合理,那分析结果参考价值几何呢? ◆ ◆ ◆ 困惑 相信很多人在做数据分析时,会经常遇到这几个问题:不知从哪方面入手开展分析:分析的内容和指标常常被质疑是否合理.完整,自己也说不出个所以然来.当然我

创业公司如何做数据分析(一)开篇

在过去的一年里,笔者加入了一家移动互联网创业公司,工作之一便是负责数据业务的建设,陆陆续续完成了一些数据系统的实现,来满足公司的数据需求.在创业公司中做数据相关的事情,而且是从零做起,肯定不像很多大公司那样分工明细,所有的工作都要保证在有限的资源下来满足需求.回想起来也蛮有意思,因此想做些总结分享,结合我们的系统来谈一谈如何做数据分析.如果有写的不好的地方,还请网友指正. 作为系列文章的开篇,本文将按照"WHY->WHAT->HOW"的思考方式来阐述下面三个问题: 创业公司

创业公司做数据分析(一)开篇

了解"认知心理学"的朋友应该知道:人类对事物的认知,总是由浅入深.然而,每个人思考的深度千差万别,关键在于思考的方式.通过提问三部曲:WHAT->HOW->WHY,可以帮助我们一步步地从事物的表象深入到事物的本质.比如学习一个新的技术框架,需要逐步搞清楚她是什么.如何使用.为什么这样设计,由浅入深. "WHY+HOW+WHAT",是笔者最钟爱的一种思维模式.其使用方法不仅限于上述认知过程中的思考方式,通过不同的顺序组合,可以使用在不同的场景.比如,在筹划

Switch公司开通Las Vegas 10数据中心

日前,Switch公司在其拉斯维加斯核心数据中心园区开通运营了一个空间约为32500平方米的名为Las Vegas 10数据中心,并为该数据中心园区增加了40MW的潜在电力供应. Switch Las Vegas 10 这个数据中心园区共计划建设12个数据中心,现在已有10个数据中心开通运营.目前该园区拥有约185800平方米的机房空间和315MW电力容量. Switch公司在全球共拥有五个这样大规模的数据中心园区,有三个位于美国.该公司最近开通了其在密歇根州的金字塔数据中心园区,而在几周前,该

浅谈站长做数据分析需要注意的几点

做站长的想必大家都知道数据分析的重要性,但是想问一下大家,你们都知道做数据分析我们该尤其注意那几点吗?下面我就关公面前耍大刀,试着浅论一番了,希望能给大家带去帮助. 一.广告点击数据 先来说说淘宝客单页站吧,淘宝客单页站一般都是随便拿个程序,然后首页最上面挂一个广告页模板,现在一般做排行榜的比较多,网站来流量之后,有没有点击广告,点击了哪个,这些数据绝大部分站长都没有理会过,有些人是懒得去分析,有些人是不知道该怎么去统计这些数据,我这里简单说下,我们可以让这个广告链接到网站的一个页面,然后这个页

创业公司如何做数据分析(六)数据仓库的建设

作为系列文章的第六篇,本文将重点探讨数据处理层中数据仓库的建设.在第二篇运营数据系统一文,有提到早期的数据服务中存在不少问题,虽然在做运营Dashboard系统时,对后台数据服务进行了梳理,构建了数据处理的底层公共库等,但是仍然存在一些问题: 中间数据流失,计算结果没有共享.比如在很多数据报告中都会对同一个功能进行数据提取.分析,但是都是各自处理一遍,没有对结果进行共享. 数据分散在多个数据源,如MySQL.MongoDB.Elasticsearch,很难对多个源的数据进行联合使用.有效组织.

创业公司做数据分析(四)ELK日志系统

作为系列文章的第四篇,本文将重点探讨数据采集层中的ELK日志系统.日志,指的是后台服务中产生的log信息,通常会输入到不同的文件中,比如Django服务下,一般会有nginx日志和uWSGI日志.这些日志分散地存储在不同的机器上,取决于服务的部署情况了.如果我们依次登录每台机器去查阅日志,显然非常繁琐,效率也很低,而且也没法进行统计和检索.因此,我们需要对日志进行集中化管理,将所有机器上的日志信息收集.汇总到一起.完整的日志数据具有非常重要的作用: 信息查找.通过检索日志信息,定位相应的bug,