大数据分析，感觉是先进技术领域还不熟悉的东西，但它逐渐开始被利用了。在这里，我们将介绍大数据分析的利用实例和它的优点，并特别介绍物联网和工业领域的实例。
大数据利用的眼睛
分析大数据的目的是为了从看似无序和无缺陷的数据中找到一些规律和相关性。从中，我们要通过推导出新的知识来增加销售和提高运营效率。
基于人类经验和直觉的决策具有很强的不确定性，一击即中，但往往会出现偏差。此外，要获得决策的直觉需要很长的时间。此外，随着客户需求的多样化和市场变化的速度越来越快，多年来培养的经验和直觉很可能在短时间内无法通过。在这种情况下，有必要通过分析大量的数据来快速提供新的知识，而无需人力。
此外，大数据分析被认为有助于把握规律和一些基于人类偏好和感觉的趋势，而这些规律和感觉在以前是很难被量化的。这意味着可以从以前被排除在反应难度之外的数据中发现新的知识。
如何使用熟悉的大数据分析的例子
让我们来看看现实世界的大数据使用案例。
自动售货机的产品展示
产品展示经常被用作从大数据分析中创造规律的好例子。在一家饮料制造商，我们改变了 “Z形 “自动售货机的产品展示，该机器从上方排列最畅销的产品，这在之前是很常见的，所以我们关注的产品被放在了下方。这是通过在自动售货机上安装读取视线的眼动仪（eye tracking camera）和分析被称为 “购物者视线 “的大数据得出的见解。结果，该公司实现了百分之几的销售增长。
许多自动售货机展示的产品样品比买家高。这是因为它通常被固定在一个混凝土基座上，以防止在地震中坠落。当然，在那个位置上，比眼睛的高度略低的位置，似乎很自然的说，更容易看到。然而，颠覆已经被认为是常识的习惯的想法，如 “Z形 “的展示，仅靠人类是很难想出来的。
了解需求波动并将其用于采购和产品开发
大数据分析的代表性应用之一是需求预测。在一个传送带式的寿司连锁店里，ic标签被贴在盘子上，以计算出哪些菜卖了，卖了多少。当店员在记账时将读卡器拿在盘子上，可以即时获得数据。这些数据每年有几亿个，通过分析这样的大数据，我们掌握了销售和季节性需求的波动，并用于调整采购量和产品的开发。
为管理决策分析客户趋势
在某些情况下，它被用于便利店的销售分析和库存管理。一家便利店发现，某款产品60%的销售额只得到10%的重度用户的支持。这是通过分析电子货币结算的大数据信息而获得的知识。这家便利店继续销售某些产品，因为他们确定这些产品有一个狂热的粉丝。
便利店的一个重要收入来源是与所需产品一起购买的 “下一个购买”。即使是乍一看似乎要结束销售的产品，由于销售增长，你可以找到新的价值，作为一个重要的产品，通过知道你有热情的粉丝而导致吸引顾客。
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中略有不同的尺寸变化。这导致了一个系统，当买家输入他或她的尺寸时，只显示制造商提供的适合该尺寸的产品。
可以说，这能够对不同不同人的内衣的合身性和舒适性进行大数据分析，并将最好的产品呈现给每个客户。由于内衣的合身性和舒适性属于人类的感官和感觉，所以在一般情况下被认为很难量化，但这些信息也可以作为大数据进行分析，这取决于智慧的发挥。
大数据分析在工业和物联网领域的应用实例
让我们来看看在工业和物联网领域的使用实例。
实时掌握和预测路况
有一种情况是，通过给汽车赋予通信功能来分析交通信息。通过使用具有通信功能的汽车，即所谓的联网汽车来收集驾驶信息，并通过大数据进行分析，可以获得交通堵塞信息和事故信息。这些数据可以用来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的圈数，如果旋转速度增加或保持不变，就可以确定没有交通堵塞。换句话说，从车速的变化来判断道路情况。此外，通过在汽车上安装GPS接收器，感应位置信息，并结合单个车速的变化进行大数据分析，就可以判断出哪个区域正在发生或可能发生多大的交通堵塞。在这种情况下，由于汽车的信息每时每刻都在发生变化，因此需要对大数据分析进行实时处理。
高效的船舶运营
同样，也有通过分析从传感获得的大数据来简化船舶操作的案例。一家商船公司在船上安装了传感器，收集发动机速度、运行速度和洋流速度。我们已经成功地将这些作为大数据进行分析，并创建了一个最佳的飞行计划。当我们使用这个计划实际操作时，我们实现了10%的油耗降低。在一般人看来，10%似乎不是什么大问题，但商船公司运营的船舶数量众多，一次航行时间长的情况也很多。其中10%的结果可以说是重大成本削减的效果。
对优化采矿的贡献
在某些情况下，它有助于建筑机械的高效运行，如铲车和推土机。建筑设备制造商的建筑机械有与物联网兼容的传感器。通过使用这种传感器来监测位置信息和运行状态，并实时进行大数据分析，可以用来提高运行效率和预测故障。这主要是在海外矿区采矿时有用。海外矿山的开采范围往往很广，要尽可能选择最短的距离，少带空载。因此，通过感知发动机的启动时间、行进距离、行进方向等并分析这些大数据来实现采矿的优化。
大数据分析将更加以实时为导向
以上，我们看到了如何使用大数据分析的例子。从这些例子中可以看出，实时进行大数据分析的需求会越来越多。边缘 计算在速度上可能高度兼容，特别是对于生产领域中需要速度的应用。如果你正在考虑在这个生产领域进行大数据分析，引入边缘 计算也是一个选择。
