大数据应用案例分析
八个典型的大数据应用案例
八个典型的大数据应用案例一、面部识别技术在安防领域的应用面部识别技术是一种基于图像分析的大数据应用方案，通过对摄像头捕获的人脸图像进行特征提取和比对，可以快速准确地识别出目标人物。
在安防领域，面部识别技术已广泛应用于视频监控系统中，有助于实时识别可疑人员、追踪嫌疑犯等，提高了安全防范能力。
二、智能物流系统智能物流系统是一种利用大数据技术对物流环节进行优化的方案。
通过采集货物信息、交通信息等大量数据，系统可以实时监测货物的运输情况、交通拥堵情况等，快速调整物流路径和运输计划，提高物流效率和准确性。
三、个性化推荐系统个性化推荐系统是一种基于用户行为数据的大数据应用方案。
通过对用户的浏览记录、购买行为、评价等进行分析，系统可以实时推荐用户可能感兴趣的商品、新闻、音乐等，提升用户体验和购买转化率。
四、智能医疗诊断与辅助决策系统智能医疗诊断与辅助决策系统是一种依托大数据技术提供快速、准确的医疗服务的方案。
通过收集和分析大量的医疗数据，系统可以为医生提供疾病诊断的参考意见，辅助医生进行决策，提高医疗服务的质量和效率。
五、金融风险控制与欺诈检测系统金融风险控制与欺诈检测系统是一种利用大数据技术对金融交易数据进行监测和分析的方案。
通过对大量的交易数据进行实时监测和分析，系统可以发现异常交易和欺诈行为，实现风险控制和欺诈检测，保障金融安全和用户权益。
六、智慧城市规划与管理智慧城市规划与管理是一种通过大数据技术优化城市运行和资源配置的方案。
通过收集和分析城市居民的出行、能源消耗、环境污染等数据，系统可以进行城市交通规划、能源调控、环境保护等，提高城市的可持续发展和居民的生活质量。
七、社交媒体舆情分析与管理社交媒体舆情分析与管理是一种通过大数据技术对社交媒体上的舆情信息进行监测和分析的方案。
通过对用户在社交媒体上的言论、评论等进行分析，系统可以发现公众对其中一事件、产品或者服务的看法和态度，提供相关的数据支持和管理建议，维护公众关系和品牌形象。
大数据分析与应用案例
大数据分析与应用案例近年来，随着互联网的快速发展和信息技术的成熟，大数据分析与应用逐渐成为各行各业关注的焦点。
大数据分析可以通过对大规模数据集进行收集、处理和分析，揭示数据背后隐藏的模式、趋势和规律，为企业决策提供科学依据。
本文将通过几个实际的案例来探讨大数据分析与应用的重要性和实际价值。
案例一：零售业销售分析某零售巨头利用大数据分析技术对销售数据进行深入分析，发现了一个有趣的现象：在某一地区，每当天气变冷，卖出的啤酒和尿布的销量都会大幅上升。
通过进一步分析，他们发现这是因为在周末，年轻父母通常会携带孩子去购物，孩子买尿布，父母顺便买啤酒放松。
而当天气变冷，人们更愿意在家聚会，所以啤酒和尿布的销量呈现出明显的相关性。
基于这一发现，该零售巨头调整了货架陈列策略，将啤酒和尿布放在了一起，销售额显著提升。
案例二：社交媒体情感分析社交媒体上的海量数据蕴藏着巨大的商机。
某网络公司利用大数据分析技术，对用户在社交媒体上的发帖、评论等信息进行情感分析，以了解用户对其产品的态度。
通过对用户评论的情感词汇进行统计和分析，该公司能够得知用户对不同产品的喜好和评价，为产品改进提供参考依据。
同时，该公司还可以通过对竞争对手的情感分析，及时了解市场动态，进行竞争策略的调整和优化。
案例三：交通拥堵预测城市交通拥堵是人们日常生活中的一个头疼问题。
一家科技公司利用大数据分析技术，通过收集和分析道路监控、手机信令等数据，实现了对交通拥堵情况的实时监测和预测。
他们建立了一个基于大数据的交通预测模型，通过对历史数据和实时数据的综合分析，能够准确预测未来交通状况，提前采取措施避免交通拥堵。
这项技术不仅提高了城市交通的效率，也为城市规划和交通管理提供了有力的决策支持。
案例四：医疗诊断与预测在医疗领域，大数据分析可以为医生和患者提供更精准的诊断和预测。
比如，某家医疗科技公司利用大数据分析技术，通过分析患者的病例数据和基因序列等信息，识别出不同基因型对于特定药物疗效的影响。
大数据十大经典案例
大数据十大经典案例随着信息技术的发展，大数据已经成为当今社会的重要资源。
大数据分析可以为企业提供更准确的市场预测、个性化推荐、客户细分等方面的支持。
在这篇文章中，我将介绍十个经典的大数据案例，展示大数据技术在多个行业中的应用。
1. 亚马逊个性化推荐系统亚马逊是大数据应用的典范之一。
他们利用大数据技术分析用户的购物习惯、点击行为、浏览历史等信息，为每个用户提供个性化的产品推荐。
这不仅提升了用户购物体验，也增加了销售额。
2. 谷歌搜索算法优化谷歌搜索引擎利用大数据分析来不断优化搜索结果的排名算法。
通过分析用户的搜索历史、点击行为等数据，谷歌可以更好地理解用户的意图，为他们提供更精准的搜索结果。
3. 滴滴出行的智能调度系统滴滴出行利用大数据技术分析用户的出行需求、交通状况等信息，通过智能调度算法将乘客和司机进行匹配，提高了乘客的等待时间和司机的工作效率。
4. 美团点评的用户画像分析美团点评通过大数据分析用户的点评、消费记录等信息，对用户进行画像分析。
这些画像可以帮助商家更好地了解消费者需求，制定更精准的营销策略。
5. 脸书的社交关系分析脸书运用大数据技术分析用户的社交行为，找出用户之间的关联和兴趣，为广告商提供更有针对性的广告定向投放。
6. 捷信金融的风险评估模型捷信金融利用大数据分析用户的借贷历史、资产状况等信息，建立风险评估模型，提高贷款审批的准确性和效率。
7. 瑞典的城市规划优化瑞典利用大数据分析交通状况、人口分布等信息，优化城市规划。
他们通过分析数据，提出了改进交通流动性、节约能源等方面的具体举措。
8. 亚太航空的客户关系管理亚太航空利用大数据技术分析客户的飞行历史、偏好等信息，为客户提供个性化的服务和优惠，增强客户忠诚度。
9. 法国医院的医疗预测法国一家医院使用大数据分析医疗数据，建立模型预测患者的住院时间和治疗方案，帮助医生做出更好的决策，提高医疗效率。
10. 哈佛大学的科学研究哈佛大学利用大数据分析海量的科学文献、实验数据等，挖掘潜在的科研关联和发现。
大数据应用分析案例分析
大数据应用分析案例分析随着信息技术的飞速发展和互联网的普及，各个行业开始广泛应用大数据技术。
大数据的应用对于企业的运营和发展起到了至关重要的作用。
本文将以几个案例分析的方式，探讨大数据在不同行业的应用，并分析其对企业带来的影响。
案例一：电商行业电商行业是大数据应用最为广泛的领域之一。
电商平台拥有庞大的用户数据，通过数据分析可以了解用户的购买习惯、喜好以及个性化需求，并将这些信息应用到用户推荐、运营策略以及产品设计中。
以阿里巴巴为例，他们利用大数据分析技术，通过分析用户的购买记录、搜索行为和点击行为，可以精确地为用户推荐商品，提高用户购买转化率，同时降低推广成本。
此外，阿里巴巴还通过大数据分析识别用户群体，为商家提供精准的广告投放，提高广告投资的回报率。
通过大数据的应用，电商行业可以实现更好的用户体验、提高销售额，并且在市场竞争中取得优势。
案例二：金融行业金融行业也是大数据应用的重要领域。
金融机构拥有大量的客户数据，通过大数据分析可以挖掘出有价值的信息，增加风险评估准确性、提高投资决策效率。
以银行为例，他们可以通过大数据分析客户的贷款记录、消费行为以及信用评级等信息，为客户提供个性化的金融服务，如贷款额度的评估、投资产品的推荐等。
另外，金融机构还可以通过大数据分析识别欺诈行为、风险预警，降低金融风险。
大数据的应用有效地提高了金融行业的运营效率，同时也带来了更加个性化的金融服务，提升了客户满意度。
案例三：医疗行业医疗行业的大数据应用可以为医生提供更好的诊疗支持、改善患者就医体验。
医疗机构通过大数据分析，可以对大量的医疗影像数据进行诊断辅助，帮助医生提高诊断精确度，减少误诊率。
另外，医疗机构还可以通过大数据分析患者的病历记录、生命体征等数据，实现个性化的医疗服务，如健康管理、用药建议等。
此外，通过大数据的应用，医疗机构可以提前发现疾病爆发趋势，提供早期预警，从而提高公共卫生水平。
大数据的应用让医疗行业更加智能化、个性化，提高了医疗质量和效率，为患者提供更好的医疗服务。
大数据应用的典型案例和分析
大数据应用的典型案例和分析摘要本文将介绍几个大数据应用的典型案例，并对每个案例进行分析。
这些案例涉及到不同行业，包括零售、金融、医疗等。
通过分析这些案例，我们可以深入了解大数据应用在不同行业中的应用场景、挑战和价值。
1. 零售行业案例一：顾客行为分析在传统零售行业中，顾客行为分析一直是一个重要的课题。
随着大数据技术的发展，零售企业可以收集大量的顾客数据，包括购买历史、浏览记录、社交媒体活动等。
通过对这些数据的分析，零售企业可以更好地了解顾客的行为习惯和偏好，从而优化产品定价和促销策略，提高销售效果。
案例二：供应链优化供应链管理是零售行业中的一个重要环节。
大数据应用可以帮助零售企业实时跟踪物流信息、订单履行情况和库存水平等。
通过对供应链数据的分析，零售企业可以发现潜在的瓶颈和风险，并及时采取措施进行优化，从而提高物流效率和降低成本。
2. 金融行业案例一：信用评估在金融行业中，信用评估是一个关键的业务环节。
传统的信用评估方式主要依靠个人申请表格和信用报告，而大数据技术可以为金融机构提供更全面和准确的信用评估数据。
通过分析个人的消费行为、社交网络活动和其他相关数据，金融机构可以更准确地评估个人的信用风险，从而更好地决策是否给予贷款或者设置利率。
案例二：欺诈检测金融行业中存在着许多欺诈活动，大数据技术可以帮助金融机构更好地检测和预防欺诈行为。
通过分析大量的交易记录、网络活动等数据，金融机构可以发现异常模式和风险指标，及时采取措施阻止欺诈行为的发生。
3. 医疗行业案例一：疾病诊断大数据技术在医疗行业中的应用可以提高疾病诊断的准确性和效率。
通过分析大量的医疗记录、基因数据和其他相关的健康数据，医疗机构可以建立更准确的疾病模型，帮助医生进行疾病的早期诊断和治疗决策，从而提高治疗效果和患者的生存率。
案例二：公共卫生管理大数据技术在公共卫生管理中也发挥着重要作用。
通过分析大量的流行病数据、社交网络数据和移动定位数据，卫生部门可以及时发现和追踪疫情的爆发，制定相应的防控措施，保护公众的健康安全。
大数据分析在市场中的应用案例
大数据分析在市场中的应用案例大数据分析是指利用大数据技术和算法，对大规模、多样化的数据进行挖掘、分析和利用的过程。
在当今市场竞争日益激烈的环境下，大数据分析成为企业获取市场洞察力、优化市场策略、提升市场竞争力的重要工具。
下面将介绍几个大数据分析在市场中的应用案例。
案例一：汽车行业市场推广某汽车制造商通过大数据分析发现，消费者在购车前通常会在网络上搜索相关信息，寻找价格、性能、口碑等方面的比较。
该制造商收集大量用户的搜索数据，并结合购车订单数据、销售数据等，利用机器学习算法对用户进行个性化营销。
他们根据用户的搜索和购车行为，为用户推荐最符合其需求的车型和配置，提供个性化的购车方案，从而提高转化率和销售额。
案例二：零售业市场定位一家大型零售企业通过大数据分析发现，在某个城市的某个地区，消费者对于某一特定品类的商品需求非常旺盛。
该企业收集该地区的用户购物数据、社交媒体信息以及其他相关数据，运用数据挖掘算法分析消费者的购买习惯和兴趣偏好。
通过对消费者的行为模式和心理需求的深度理解，该企业针对该地区开展全面的市场定位活动，选择最适合该地区消费者需求的商品种类、价格策略和促销活动，提高了销售额和用户满意度。
案例三：金融行业风险管理在金融行业，风险管理是至关重要的。
一家银行利用大数据分析技术，对客户的信用评分模型进行优化。
他们通过收集客户的贷款数据、还款数据、消费数据等多种数据，利用机器学习算法对客户进行风险评估并预测还款能力。
通过大数据分析和建模，银行能够更准确、更全面地评估客户的信用状况，进而制定更科学的贷款政策和风险管理策略，降低坏账率，提高贷款的准确性和效率。
案例四：电商行业精准营销某电商平台基于大数据分析技术，对用户的购买历史、浏览记录、搜索关键词等数据进行深度挖掘。
通过机器学习算法，该平台利用用户的购物行为和兴趣偏好，为每个用户量身定制产品推荐，提供个性化购物体验。
这种精准营销不仅提高了用户的购物体验和满意度，还提高了平台的转化率和销售额。
各行业应用大数据的成功案例
各行业应用大数据的成功案例一、零售行业在零售行业，大数据的应用可以帮助企业更好地了解消费者的需求，并进行个性化的推荐和营销。
亚马逊就是一个典型的例子。
通过分析消费者的购买记录和浏览行为，亚马逊能够精准地推荐产品给用户，并且根据用户的兴趣和需求进行定制化的营销活动。
这种个性化推荐和定制化营销不仅能提高用户的购买满意度，还增加了企业的销售额。
二、医疗健康行业在医疗健康行业，大数据的应用可以帮助医生更好地诊断和治疗疾病。
例如，谷歌DeepMind与伦敦的一家医院合作，利用大数据分析和机器学习算法，构建了一个可以预测病人肾衰竭风险的模型。
这个模型通过分析病历数据和实时监测数据，能够及时发现潜在的风险，提醒医生采取相应的措施，从而减少肾衰竭的发生率。
三、教育行业在教育行业，大数据的应用可以帮助学校和教师更好地了解学生的学习情况，从而提供个性化的教学服务。
例如，在芬兰的一所中学，学生每天使用电子学习平台进行学习，并产生大量的学习数据。
学校通过分析这些数据，可以得出每个学生的学习偏好和学习进度，并根据这些信息调整教学内容和方法，使每个学生都能在适合自己的节奏下学习。
四、交通运输行业在交通运输行业，大数据的应用可以帮助提高运输效率和安全性。
例如，Uber利用大数据分析实时交通状况和用户需求，优化车辆调度和路线规划，提高了车辆利用率和乘客等待时间。
此外，Uber还使用大数据分析乘客的乘车历史和评价，建立了一个信用评级系统，提高了乘客和司机的安全感。
五、金融行业在金融行业，大数据的应用可以帮助银行和投资机构更好地识别风险和机会。
例如，花旗银行利用大数据分析客户的交易记录和个人背景，建立了一个风险评估模型，能够及时识别潜在的信用违约风险，降低贷款损失。
此外，对交易数据的分析还能够帮助投资机构预测市场走势，做出更准确的投资决策。
六、制造业在制造业，大数据的应用可以帮助提高生产效率和产品质量。
例如，通用电气利用大数据分析关键设备的运行状况和生产数据，发现了一些与产品质量相关的隐藏因素，进而进行了改进措施，提高了产品的合格率。
大数据应用分析案例分析
大数据应用分析案例分析在当今数字化和信息化的时代，大数据应用已经成为各行各业的重要组成部分。
通过对大量的数据进行收集、整理和分析，我们可以获得有价值的洞察和信息，从而为决策提供科学依据。
本文将通过分析几个大数据应用案例，探讨大数据在实际应用中的作用和影响。
案例一：电子商务的个性化推荐随着互联网的快速发展，电子商务已经成为人们购物的首选方式之一。
然而，在庞大的商品数量面前，如何能够满足顾客的个性化需求，提供准确的推荐，成为了电商企业面临的重大挑战。
通过大数据应用分析，电商企业可以根据用户的浏览、搜索和购买行为，建立个性化推荐模型，为用户提供符合其兴趣和需求的商品推荐，提高用户购买的满意度和体验。
案例二：金融风控的精准预测金融行业是大数据应用的重要领域之一。
通过对大量的金融数据进行分析，金融机构可以准确预测客户信用风险、市场波动等情况，有效降低风险，提高盈利能力。
例如，一些银行和保险公司利用大数据技术，构建风险评估模型，能够准确预测客户的还款能力、健康状况等信息，从而避免潜在的信用风险。
案例三：交通运输的智能调度交通运输是一个信息密集、数据海量的领域，通过大数据应用分析，可以实现智能化的运输调度和管理。
例如，城市公交系统可以通过分析乘客的上下车数据，合理安排公交线路和发车频率，提高服务效率和乘车体验。
而物流企业可以通过数据分析提前预测货物运输的需求，合理安排运输线路和车辆，降低物流成本，提高配送效率。
案例四：医疗健康的精准诊疗在医疗领域，大数据应用对于疾病诊断和治疗具有重要意义。
通过对大量的医疗数据进行分析，可以挖掘出有助于疾病诊断的规律和模式。
例如，在临床诊断方面，大数据可以帮助医生根据病人的病历和检测数据，制定个性化的诊疗方案，提高诊断的准确性和时效性。
同时，大数据还可以用于药物研发和临床试验，缩短研发周期，提高药物的研发成功率。
综上所述，大数据应用分析在各行各业中发挥着重要的作用。
通过对大量数据的收集、整理和分析，可以为企业决策提供有力的支持，提高工作效率和精确性。
13个经典大数据应用案例
13个经典大数据应用案例
例子1：在09年流感爆发的时候，google通过对人们输入词条的分析，挖掘出了有效及时的指示标，比通过层层收集的官方数据惊人很多。
例子2：Farecast通过对于机票数据的趋势变化情况，提供票价预测的服务，目前公布准确度高达75%，现在被微软收购，整合在了bing的搜索中。
例子3：Xoom是从事跨境汇款业务的公司，处理过的一个案例是，单独看一笔交易是合法的，但是重新检查了所有的数据之后，发现犯罪集团正在进行咋骗。
例子4：hadoop分析VISA的数据，将原来需要一个月的时间缩短为13分钟。
例子5：亚马逊三分之一的销售额来自个性化推荐系统。
例子6：美国折扣零售商能够通过用户购买商品的历史，判断出是否怀孕。
例子7：UPS有6W辆车，通过对车俩损害的数据挖掘，能够及时的预测那些车辆需要维修，达到预警的目的。
例子8：日本通过研究驾驶员的坐姿数据，用来作为汽车防盗系统中。
例子9：UPS通过对于位置数据的分析，获取最佳行车路径。
例子10：IBM开发了一套复杂的预测模型，完成了电动汽车动力与电力供应系统的预测。
例子11：微软和谷歌以及百度等搜索引擎的拼写检查以及纠错提示，有效的利用的数据废气。
例子12：巴诺通过分析人们在阅读的时候的行为，得出人们往往会放弃长篇幅的非小说类书籍。
例子13：The-numbers通过对于历史电影相关的数据的相关关系，来预测电影票房。
摘自：中国大数据。
大数据经典应用案例top50详细剖析
大数据应用经典案例TOP50详细剖析1. 梅西百货的实时定价机制。
根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。
2. Tipp24 AG针对欧洲博彩业构建的下注和预测平台。
该公司用KXEN软件来分析数十亿计的交易以与客户的特性，然后通过预测模型对特定用户进行动态的营销活动。
这项举措减少了90%的预测模型构建时间。
SAP公司正在试图收购KXEN。
3. 沃尔玛的搜索。
这家零售业寡头为其Walmart自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。
根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。
“对沃尔玛来说，这就意味着数十亿美元的金额。
”Laney说。
4. 快餐业的视频分析。
该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。
如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。
5. Morton牛排店的品牌认知。
当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。
首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。
根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提供晚餐。
6. PredPol Inc.。
PredPol公司通过与洛杉矶和圣克鲁斯的警方以与一群研究人员合作，基于地震预测算法的变体和犯罪数据来预测犯罪发生的几率，可以精确到500平方英尺的X围内。
在洛杉矶运用该算法的地区，盗窃罪和暴力犯罪分布下降了33%和21%。
7. Tesco PLC（特易购）和运营效率。
这家超市连锁在其数据仓库中收集了700万部冰箱的数据。
通过对这些数据的分析，进行更全面的监控并进行主动的维修以降低整体能耗。
8. American Express（美国运通，AmEx）和商业智能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据应用案例分析
1、中信银行信用卡营销
实施背景：中信银行信用卡中心是国内银行业为数不多的几家分行级信用卡专营机构之一，也是国内具有竞争力的股份制商业银行信用卡中心之一。
近年来，中信银行信用卡中心的发卡量迅速增长，2008年银行向消费者发卡约500万张，而这个数字在2010年增加了一倍。
随着业务的迅猛增长，业务数据规模也急剧膨胀。
中信银行信用卡中心无论在数据存储、系统维护等方面，还是在有效地利用客户数据方面，都面临着越来越大的压力。
中信银行信用卡中心迫切需要一个可扩展、高性能的数据仓库解决方案，支持其数据分析战略，提升业务的敏捷性。
通过建立以数据仓库为核心的分析平台，实现业务数据集中和整合，以支持多样化和复杂化的数据分析，比如卡、账户、客户、交易等主题的业务统计和OLAP（联机分析处理）多维分析等，提升卡中心的业务效率；通过从数据仓库提取数据，改进和推动有针对性的营销活动。
技术方案：从2010年4月到2011年5月，中信银行信用卡中心实施了EMC Greenplum 数据仓库解决方案。
实施EMC Greenplum解决方案之后，中信银行信用卡中心实现了近似实时的商业智能（BI）和秒级营销，运营效率得到全面提升。
图表中信银行大数据应用技术架构图
Greenplum解决方案的一个核心的功能是，它采用了“无共享”的开放平台的MPP架构，此架构是为BI和海量数据分析处理而设计。
目前，最普遍的关系数据库管理系统（如Oracle 或Microsoft SQL Server），都是利用“共享磁盘”架构来实现数据处理，会牺牲单个查询性能和并行性能。
而使用Greenplum 数据库提供的MPP架构，数据在多个服务器区段间会自动分区，而各分区拥有并管理整体数据的不同部分；所有的通信是通过网络互连完成，没有磁盘级共享或连接，使其成为一个“无共享”架构。
Greenplum数据库提供的MPP架构为磁盘的每一个环节提供了一个专门的、独立的高带宽通道，段上的服务器可以以一个完全并行的方式处理每个查询，并根据查询计划在段之间有效地移动数据，因此，相比普通的数据库系统，该系统提供了更高的可扩展性。
效益提升：2011年，中信银行信用卡中心通过其数据库营销平台进行了1286个宣传活
动，每个营销活动配置平均时间从2周缩短到2-3天。
并且市场活动中答应客户在刷满一定金额或次数后送给他们的礼品，可以在客户刚好满足条件的那次刷卡后马上获得，实现了秒级营销，而不必像之前那样等待好几个工作日。
2011年的前三个季度，中信银行信用卡中心交易量增加65%，比股份制商业银行的平均水平高14%，比中国所有银行的平均值高4%。
中信银行信用卡中心迄今已为客户进行了4000万次的信用额度调整。
中信卡中心催收管理团队使用了基于数据仓库的FICO TRIAD系统后，信用卡不良贷款（NPL）比率同比减少了0.76%。
中信银行信用卡中心电话销售中心将所有外呼营销历史整合到数据仓库，通过对大量历史数据分析后调整客户提取和营销策略，在上线后的第一个月便实现单位工时创收提升33%、笔均贷款额提升18%，目前银行正在开发针对每个产品的营销响应模型，以进一步提升产能。
2、兴业证券客户综合分析管理系统
实施背景：随着我国证券市场的日益规范和成熟，证券公司之间的竞争也日趋激烈。
证券公司越来越注重对客户的有效服务，以及对营业部、经纪人的业绩管理，而现有的IT系统通常只是面向业务交易而设计的，随着市场竞争的日益激烈，越来越不能满足证券公司的决策分析需要。
为了提升证券公司的客户服务及精准营销的能力，兴业证券采用大数据技术提升自身客户综合分析管理系统能力。
技术实现：吉贝克针对兴业证券所面临的环境，采用数据仓库和数据挖掘技术，自主研发了证券公司客户综合分析管理系统，以满足证券公司日益深化的客户管理需求。
图表客户综合分析管理系统功能架构图
图表客户生命周期服务管理
围绕客户维护生命周期，在不同的生命周期阶段采用有针对性的方式来降低客户流失率，如主动关怀、客户营销、流失预警挽留、销户挽留等。
效益提升：采用了上述系统之后，数据加载速度明显提升，目前100万行数据入库仅需6-7秒，10GB的数据加载和导出也可以在5分钟内完成。
同时，数据处理和查询的效率也显著提升，目前每天的数据处理时间基本控制在2小时以内。
对于日常简单查询，在50条并发查询的情况下可以实现1秒内完成。
对于长时间跨度、多条件的复杂查询，也能在5秒内完成。