大数据成功案例电子教案
大数据实训案例pdf
大数据实训案例一、背景介绍随着互联网技术的快速发展，电商平台已经成为现代消费的重要渠道。
每天，数以亿计的用户在电商平台上浏览、搜索、购买商品，产生了海量的用户行为数据。
这些数据背后隐藏着用户的消费习惯、购买偏好、价格敏感度等宝贵信息。
本次大数据实训案例旨在通过分析电商平台上的用户行为数据，为企业提供更精准的市场定位、营销策略和产品优化建议。
二、数据准备本次实训使用的数据集来源于某大型电商平台的用户行为日志，包括用户点击、浏览、加入购物车、购买、评价等行为数据。
数据集涵盖了数周的时间范围，涉及数百万用户和数十万种商品。
数据预处理阶段，我们进行了数据清洗、格式转换和特征工程，确保数据的质量和可用性。
三、分析目标本次实训的主要分析目标包括：用户行为路径分析：了解用户在电商平台上的典型行为路径，识别用户在不同阶段的转化率和流失率。
用户群体划分：基于用户的购买行为、浏览偏好等特征，将用户划分为不同的群体，为个性化营销提供支持。
商品关联分析：挖掘商品之间的关联关系，发现用户的潜在购买需求，为商品推荐提供依据。
用户价值评估：根据用户的购买频率、购买金额等指标，评估用户的价值，为制定差异化服务策略提供参考。
四、分析方法与过程用户行为路径分析通过序列模式挖掘算法，我们分析了用户在电商平台上的典型行为序列。
结果显示，大部分用户的行为路径符合“搜索-浏览-加入购物车-购买”的模式。
进一步分析发现，从浏览到购买的转化率较低，表明用户在浏览阶段存在较大的流失风险。
针对这一问题，我们建议电商平台优化商品展示和搜索排序算法，提高用户的购买转化率。
用户群体划分利用K-means等聚类算法，我们对用户进行了群体划分。
通过对比不同群体的购买行为、浏览偏好等特征，我们发现了一些有趣的模式。
例如，某一群体的用户偏好购买高价位商品，且购买频率较低，但单次购买金额较高；而另一群体的用户则偏好购买低价位商品，购买频率较高，但单次购买金额较低。
大数据精准教学实践案例(2篇)
第1篇一、背景随着信息技术的飞速发展，大数据技术在教育领域的应用日益广泛。
大数据精准教学作为一种新型教学模式，旨在通过收集和分析学生的行为数据，实现个性化教学，提高教学效果。
本文以某中学为例，探讨大数据精准教学的实践案例。
二、案例概述某中学是一所具有悠久历史和优良传统的学校，近年来，学校在推进教育信息化建设过程中，积极探索大数据精准教学，取得了显著成效。
以下是该校大数据精准教学的实践案例。
三、大数据精准教学实践过程1. 数据采集该校通过以下途径收集学生数据：（1）学生学习平台：学生通过学习平台完成作业、测试、互动等学习活动，平台自动记录学生的行为数据，如答题时间、正确率、知识点掌握情况等。
（2）教师教学平台：教师通过教学平台发布教学资源、布置作业、批改作业等，平台记录教师的教学行为数据。
（3）校园一卡通：校园一卡通记录学生的出勤、消费等行为数据。
（4）问卷调查：定期对学生进行问卷调查，了解学生的兴趣、需求、学习状态等。
2. 数据分析学校利用大数据分析技术，对采集到的学生数据进行深度挖掘和分析，主要包括以下几个方面：（1）学生学习行为分析：分析学生在学习过程中的时间分配、知识点掌握情况、学习效果等，为教师提供个性化教学建议。
（2）教师教学行为分析：分析教师的教学方法、教学质量、教学效果等，为教师提供教学改进方向。
（3）学生学习状态分析：分析学生的兴趣、需求、学习压力等，为学校提供教育资源配置建议。
3. 个性化教学根据数据分析结果，学校实施以下个性化教学策略：（1）针对学生学习行为：针对学生在学习过程中的薄弱环节，教师可以针对性地设计教学活动，提高学生的学习兴趣和效果。
（2）针对教师教学行为：教师可以根据分析结果调整教学方法，提高教学质量。
（3）针对学生学习状态：学校可以根据分析结果，调整教育资源配置，为学生提供更优质的学习环境。
四、案例成效1. 学生学习效果显著提高通过大数据精准教学，学生的学习兴趣、学习效果得到明显提高。
大数据教育案例(3篇)
第1篇一、背景随着信息技术的飞速发展，大数据已成为推动社会进步的重要力量。
在教育领域，大数据的应用也逐渐成为提升教学质量、实现个性化教育的重要手段。
本文将以我国某知名中学为例，探讨大数据在教育中的应用，特别是如何通过大数据分析提升学生个性化学习效果。
二、案例概述该中学位于我国东部沿海地区，是一所具有悠久历史和优良传统的学校。
近年来，学校积极响应国家大数据战略，将大数据技术应用于教育教学改革，以提升教学质量，实现个性化教育。
以下是该校大数据教育案例的具体实施过程。
三、大数据教育案例分析1. 数据采集与整合学校首先对现有的教育教学数据进行采集和整合，包括学生成绩、课堂表现、作业完成情况、兴趣爱好等。
同时，学校还引入了第三方数据平台，如学生成长档案、教师评价系统等，以全面了解学生的成长轨迹。
2. 数据分析与应用（1）个性化学习路径推荐通过对学生学习数据的分析，学校为学生量身定制个性化学习路径。
例如，针对学生的学习成绩，系统会自动识别学生的薄弱环节，并推荐相应的学习资源和辅导课程。
此外，系统还会根据学生的兴趣爱好，推荐相关领域的拓展学习内容。
（2）智能教学辅助教师利用大数据分析结果，调整教学策略，提高教学效果。
例如，教师可以通过分析学生的课堂表现，了解学生的学习状态，从而调整教学进度和难度。
同时，教师还可以利用大数据分析结果，发现学生的学习需求，有针对性地进行教学辅导。
（3）精准评价与反馈学校通过大数据分析，对学生的学习情况进行精准评价，并及时给予反馈。
例如，学校可以根据学生的学习成绩和课堂表现，为学生颁发个性化学习证书，激励学生不断进步。
此外，学校还会定期组织家长会，向家长反馈学生的成长情况，共同关注学生的全面发展。
3. 案例效果（1）学生个性化学习效果显著提高通过大数据分析，学生能够更清晰地了解自己的学习状况，有针对性地进行学习。
据统计，实施大数据教育改革后，该校学生的平均成绩提高了15%。
（2）教师教学水平得到提升大数据分析为教师提供了丰富的教学资源，有助于教师调整教学策略，提高教学质量。
大数据技术与应用(成功案例)ppt课件
大数据商业价值---企业经营决策
某商店卖 牛奶，通过数据分 析，知道在本店买 了牛奶的顾客以后 常常会再去另一店 买包子，人数还不 少，那么这家店就 可以考虑与包子店 合作，或直接在店 里出售包子。
33 33
大数据商业价值---个性化营销
银行与客户的交 流渠道进行了整合，只要 某个客户在网上点击查询 了有关房贷利率的信息， 系统就会提示呼叫中心在 电话交流时推荐房贷产品， 如果发现顾客确实对此感 兴趣，销售部门就会发送 推介信息给客户，如果这 位顾客到银行网点办事， 业务人员就会详细介绍房 贷产品，开始只有少量的 线索，但通过多渠道的与 顾客交互接触，在这个过 程中，令顾客体验了银行 精准、体贴的服务，其结 果是营业收入大为增加， 成本大幅降低，
31•顺应客户购买行为习惯
31
大数据商业价值---大数据为“未来的新石油”
2013年，世界上存储的数 据预计能达到约1.2泽（约12亿TB） 字节，如果把这些数据全部印刷成 书，这些书可以覆盖整个美国52次， 如果将之存储于标准的光盘，这些 光盘可以堆成五堆，每一堆都可以 伸到月球。
2012年3月22日，奥巴马 政府宣布投资2亿美元拉动大数据相 关产业发展，将“大数据战略”上 升为国家战略。奥巴马政府甚至将 大数据定义为“未来的新石油”。
从范围来看，
传统数据管理方式
外部性管理，依赖管理力度和执行自律，成难毁 易。
元数据
数据 稽核
管理 制度
从内涵来看，
非结构化数据、内外部数据混搭、 云化处理等都会冲击传统管理模式
挑战1
从形式来看，
数据加工的复杂度和速度要求越来 越高，也对传统管理效率提出挑战
挑战2 6
资产验证
大数据课例初中科学教案
大数据课例初中科学教案一、教学目标1. 了解大数据的概念和特点，理解大数据在各个领域的应用。
2. 学习大数据的处理和分析方法，提高学生的科学思维能力。
3. 培养学生的创新意识和实践能力，激发学生对科学的热爱和好奇心。
二、教学内容1. 大数据的定义和特点2. 大数据的应用领域3. 大数据的处理和分析方法4. 实例分析：利用大数据优化城市交通三、教学过程1. 导入：教师通过展示一些生活中的大数据应用实例，如购物网站的个性化推荐、智能手机的位置服务、社交媒体的舆情分析等，引导学生思考大数据的概念和特点。
2. 探究大数据的定义和特点：学生通过小组讨论，总结大数据的定义和特点。
教师引导学生从数据量、数据类型、数据处理速度等方面进行思考。
3. 学习大数据的应用领域：教师通过PPT或视频资料，介绍大数据在各个领域的应用，如医疗、金融、教育、环保等。
学生了解大数据在不同领域的应用，感受大数据的魅力。
4. 学习大数据的处理和分析方法：教师简要介绍大数据的处理和分析方法，如数据清洗、数据挖掘、机器学习等。
学生了解大数据的处理和分析方法，为后续实例分析打下基础。
5. 实例分析：利用大数据优化城市交通：教师给出一个城市交通大数据的案例，学生分组讨论如何利用大数据分析城市交通状况，并提出优化交通的建议。
学生通过实际操作，学会利用大数据解决实际问题。
6. 总结与反思：教师引导学生总结本节课的学习内容，学生分享自己在实例分析中的收获和感悟。
教师对学生的表现进行点评，激发学生对大数据的兴趣和好奇心。
四、教学评价1. 学生对大数据的概念和特点的理解程度。
2. 学生对大数据应用领域的了解和认识。
3. 学生在实例分析中的表现，如分析问题、解决问题的能力。
4. 学生对大数据处理和分析方法的掌握程度。
五、教学资源1. PPT或视频资料：介绍大数据的概念、特点和应用领域。
2. 城市交通大数据案例：用于实例分析。
3. 网络资源：为学生提供更多的大数据相关资料和实例。
1.3数据科学与大数据优秀教学案例人教中图版高中信息技术必修1
一、案例背景
在信息技术飞速发展的今天，数据科学和大数据技术已成为我国高中信息技术课程的重要组成部分。为了更好地培养学生的信息素养和实际操作能力，人教中图版高中信息技术必修1第三节“数据科学与大数据”的教学案例应运而生。本案例以实际教学为背景，结合学科特点和课程内容，旨在提高学生对数据科学和大数据技术的认识，培养学生运用信息技术解决实际问题的能力。
二、教学目标
（一）知识与技能
本节课旨在让学生了解数据科学与大数据技术的基本概念、原理和方法，使学生能够掌握数据采集、数据处理、数据分析、数据挖掘等基本技能。通过学习，学生应该能够：
1.描述数据科学与大数据技术的基本概念，理解数据科学与大数据技术在现实生活中的应用。
2.解释数据采集、数据处理、数据分析、数据挖掘等基本过程，理解各个过程之间的关系。
（二）讲授新知
在讲授新知部分，我会采用生动、形象的语言，结合图表、动画等多媒体手段，系统地讲解数据科学与大数据技术的基本概念、原理和方法。我会从以下几个方面进行讲解：
1.数据科学与大数据技术的定义：让学生理解数据科学是一门研究如何从数据中提取知识和洞察的学科，而大数据技术则是指用于处理海量数据的各种技术和工具。
2.了解信息技术的发展趋势，树立终身学习的观念，提高自身素质。
3.遵循网络道德与法律，保护个人隐私，负责任地使用信息技术，为社会发展作出贡献。
三、教学策略
（一）情景创设
为了激发学生的学习兴趣，教师可以利用多媒体手段创设生动形象的教学情境。例如，通过展示数据科学与大数据技术在医疗、金融、交通等领域的应用案例，让学生直观地感受到数据科学与大数据技术的重要性。此外，教师还可以设计一些实际问题，让学生在解决实际问题的过程中，自然地引入数据科学与大数据技术的相关知识。
1.5数据与大数据优秀教学案例高中信息技术必修1数据与计算(浙教版版)
5.教师巡回指导，及时发现问题，给予学生针对性的帮助和指导。
（四）反思与评价
1.引导学生对所学知识进行总结，加深对大数据概念、特点和应用的理解。
2.鼓励学生对自己的学习过程进行反思，发现自身存在的问题，制定改进措施。
3.组织学生进行小组评价，培养学生的评价能力和批判性思维。
5.培养学生的社会责任感，使学生意识到大数据技术在解决现实问题中的使命和担当。
三、教学策略
（一）情景创设
1.利用多媒体教学手段，为学生创设生动、直观的学习情境，激发学生的学习兴趣。
2.以实际案例为导入，让学生置身于真实的数据环境中，究大数据的相关知识，培养学生的自主学习能力。
4.引导学生运用所学知识解决实际问题，将理论知识与实际应用相结合。
5.注重培养学生的信息素养，使学生能够从海量数据中挖掘有价值的信息。
（三）小组合作
1.合理分组，确保每个小组成员都能在合作中发挥自己的特长。
2.明确小组合作的目标和任务，引导学生有目的地进行合作交流。
3.鼓励小组成员相互尊重、相互支持，培养团队协作精神。
2.利用线上问卷调查、数据分析等实践活动，让学生亲身体验大数据在实际应用中的操作流程。
3.引导学生运用数据处理方法对日常生活问题进行分析，提高学生的实际操作能力。
4.借助多媒体教学手段，直观地展示大数据技术在各个领域的应用，增强学生的认知。
5.设置课后作业，让学生结合所学知识，独立完成数据处理任务，巩固所学内容。
2.学生归纳：让学生用自己的话总结大数据的关键概念和知识点。
（五）作业小结
1.作业布置：布置一道与大数据相关的实际问题作业，让学生课后思考和解决。
大数据课程设计综合案例
大数据课程设计综合案例一、课程目标知识目标：1. 让学生理解大数据的基本概念、特点和应用场景，掌握大数据处理的基本流程和技术框架。
2. 使学生掌握数据采集、数据存储、数据处理、数据分析和数据可视化等大数据技术的基本原理和方法。
3. 帮助学生了解大数据在各领域的实际应用，如互联网、金融、医疗等。
技能目标：1. 培养学生运用大数据技术解决实际问题的能力，包括数据预处理、数据分析、数据挖掘等。
2. 提高学生的编程能力，使其能够使用Python、Hadoop等工具进行大数据处理。
3. 培养学生团队协作和沟通能力，能够就大数据项目进行有效讨论和展示。
情感态度价值观目标：1. 培养学生对大数据技术的兴趣和热情，激发其探索精神。
2. 使学生认识到大数据在现代社会中的重要性，增强其社会责任感和使命感。
3. 培养学生严谨、务实的科学态度，注重实践和创新。
本课程针对高年级学生，结合学科特点和教学要求，将课程目标分解为具体的学习成果。
通过本课程的学习，学生将能够掌握大数据的基本知识、技能和方法，具备解决实际问题的能力，并在情感态度价值观方面得到全面提升。
为确保教学效果，后续教学设计和评估将紧密围绕课程目标展开。
二、教学内容1. 大数据概念与背景：介绍大数据的基本概念、发展历程、应用领域及对未来社会的影响。
- 教材章节：第1章 大数据概述- 内容列举：大数据定义、四大特性、发展历程、应用场景。
2. 大数据处理技术：讲解大数据处理的基本流程、技术框架及相关工具。
- 教材章节：第2章 大数据处理技术- 内容列举：数据采集、数据存储、数据处理、数据分析、数据可视化。
3. 数据挖掘与机器学习：介绍数据挖掘的基本概念、算法及应用，以及机器学习在大数据处理中的应用。
- 教材章节：第3章 数据挖掘与机器学习- 内容列举：数据挖掘任务、常见算法、机器学习框架。
4. 实践案例分析：分析大数据在各领域的实际应用案例，提高学生的实际操作能力。
- 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)。
1.1成功案例1-汤姆森路透(Thomson Reuters)利用Oracle大数据解决方案实现互联网资讯和社交媒体分析•Oracle Customer: Thomson Reuters•Location: USA•Industry: Media and Entertainment/Newspapers and Periodicals汤姆森路透(Thomson Reuters)成立于2008年4月17日，是由加拿大汤姆森公司(The Thomson Corporation)与英国路透集团(Reuters Group PLC)合并组成的商务和专业智能信息提供商，总部位于纽约，全球拥有6万多名员工，分布在超过100个国家和地区。
汤姆森路透是世界一流的企业及专业情报信息提供商，其将行业专门知识与创新技术相结合，在全世界最可靠的新闻机构支持下，为专业企业、金融机构和消费者提供专业财经信息服务，以及为金融、法律、税务、会计、科技和媒体市场的领先决策者提供智能信息及解决方案。
在金融市场中，投资者的心理活动和认知偏差会影响其对未来市场的观念和情绪，并由情绪最终影响市场表现。
随着互联网和社交媒体的迅速发展，人们可以方便快捷的获知政治、经济和社会资讯，通过社交媒体表达自己的观点和感受，并通过网络传播形成对市场情绪的强大影响。
汤姆森路透原有市场心理指数和新闻分析产品仅对路透社新闻和全球专业资讯进行处理分析，已不能涵盖市场情绪的构成因素，时效性也不能满足专业金融机构日趋实时和高频交易的需求。
因此汤姆森路透采用Oracle的大数据解决方案，使用Big Data Appliance大数据机、Exadata数据库云服务器和Exalytics商业智能云服务器搭建了互联网资讯和社交媒体大数据分析平台，实时采集5万个新闻网站和400万社交媒体渠道的资讯，汇总路透社新闻和其他专业新闻，进行自然语义处理，通过基于行为金融学模型多维度的度量标准，全面评估分析市场情绪，形成可操作的分析结论，支持其专业金融机构客户的交易、投资和风险管理。
Oracle大数据解决方案为汤姆森路透构筑了全面涵盖互联网资讯分析和专业资讯分析的市场心理指数和新闻分析产品，帮助汤姆森路透的专业金融机构客户扩展投资视野，针对市场情绪及时修正投资战略，准确把握交易时机，以及更好的管理风险和监控交易流程，从而进一步提升汤姆森路透在金融资讯和分析服务领域的竞争力。
同时Oracle大数据解决方案中所应用的一体机产品的预优化配置和一体化集成能力，使得汤姆森路透的大数据分析平台不再需要复杂的配置、排错、调优，大大缩短了系统部署和业务扩展的时间，并能在线扩容和滚动升级，有效满足了其未来的业务发展需求。
1.1.1挑战•实现海量非结构化互联网资讯和社交媒体信息的实时捕获、组织和分析，捕捉市场情绪的变化趋势。
•关联非结构化的互联网资讯/社交媒体信息和结构化的金融行情/交易数据，形成可度量的分析体系，指导金融机构的交易、投资和风险管理。
•提供高性能、高可用性和安全性的IT基础架构，并实现更高的能源利用率和更低的空间要求，降低大数据分析平台的部署成本和维护成本•提供可快速部署并能在线扩容和滚动升级的大数据分析平台，以适应高速增长和不断变化的业务需求1.1.2解决方案•汤姆森路透大数据分析平台所应用的Oracle大数据解决方案使用Big Data Appliance大数据机对海量低价值密度的非结构化互联网信息进行采集和实时分析处理，通过Big Data Connectors将分析结果加载到基于Exadata数据库云服务器的企业级数据仓库，与路透社新闻和其他专业新闻分析结果进行关联聚合，利用Exalytics商业智能云服务器进行数据挖掘和可视化分析。
•Oracle Big Data Appliance大数据机为汤姆森路透大数据分析平台提供了一个低成本、可伸缩并享有全面支持的大数据基础架构，Big Data Appliance提供了应对大数据挑战的所有需要，它通过集成优化的硬件和最全面的软件体系，提供一个全面的、易于部署的解决方案，用于获取、组织、分析大数据以及将其加载到Oracle 数据库中，•通过Oracle Big Data Appliance大数据机为汤姆森路透大数据分析平台的所有数据类型提供极致性能的全面分析，并通过Big Data Connectors，与Oracle Exadata 数据库云服务器紧密集成，无缝实现对汤姆森路透大数据分析平台中所有数据（结构化和非结构化）的分析。
•利用Oracle Exadata的智能扫描（Smart Scan）和闪存技术（Smart Flash Cache），极大地提升了汤姆森路透大数据分析平台中数据仓库的处理效率，并且能够将数据分析和联机事务处理混合部署，实现了资源整合和动态共享。
•利用Oracle Exadata的高级混合列压缩技术（EHCC），汤姆森路透大数据分析平台中数据仓库的在线数据使用查询压缩比率以及历史数据使用归档压缩比率提高数倍，大大减少使系统所需的设备和数据备份工作量，也节约了机房空间和能耗费用•汤姆森路透大数据分析平台利用Exalytics提供的一系列内存优化分析技术，在主内存中保存数据，避免了网络延迟或磁盘I/O，大幅提升数据分析的响应速度。
•汤姆森路透大数据分析平台通过Exalytics提供的针对硬件专门优化的Oracle商务智能基础以及同类最佳的报表、仪表盘、即席查询、OLAP 和记分卡等商业智能分析功能，实现高度互动和高密度可视化的数据挖掘分析，让用户以思考的速度进行分析成为现实。
•Oracle一体机产品的内外部节点都通过40Gb/秒的InfiniBand端口进行互联，提供了从互联网资讯及社交媒体信息采集到在线商业智能分析，端到端的数据交互高速通道•借助Oracle一体机产品预优化配置的功能以及开箱即用的平衡系统，汤姆森路透大数据分析平台不再需要复杂的配置、排错、调优，系统部署时间比原有数据仓库平台缩短了数倍•利用Oracle一体机产品的可在线扩容和滚动升级特性，汤姆森路透大数据分析平台实现了容量和处理性能的弹性扩充，使其获得更大的存储空间以存储更长周期的数据，同时保证了系统性能的可持续增长，从而有效提高了系统的商务智能分析能力1.1.3为什么选择Oracle汤姆森路透首席技术官Rick King表示：我们一直致力于利用一流的技术来提升汤姆森路透的产品，更好的为客户服务。
Oracle的大数据解决方案和其一体机产品为我们提供了高效的大数据处理体系，完美契合了汤姆森路透的业务发展诉求。
1.2成功案例2 –旅游和航空服务提供商大数据案例1.2.1客户背景客户介绍客户一家是总部位于美国德克萨斯州的高科技企业，它在超过60个国家和地区拥有约10,000名员工。
客户旗下的四家公司分别提供高端旅游服务，酒店解决方案，旅游网络服务和航空解决方案，为全球旅游业和航空业提供直销、分销和技术解决方案。
业务和技术服务涉及全球各地的旅客，旅行社，航空公司和旅游供应商。
其中：•旅游网络服务⏹运营世界最大的旅游网络系统⏹系统连接35万从业者，400家航空公司，93,000家酒店，25家租车行，50家铁路公司，13家游轮公司⏹系统每年出售3亿张机票•航空公司解决方案⏹运营行业最大的SaaS业务，为全球航空公司提供航空预订、商业计划及系统运营服务⏹解决方案被全球300家航空公司，100家机场采用⏹年服务空运乘客3亿人次•酒店解决方案⏹SaaS架构系统提供预订、营销供应及电子商务等业务⏹为全球12,000家酒店提供服务，年营业额达120亿元美金•高端旅游服务⏹直接提供旅行相关产品及服务的在线营销系统⏹提供多个品牌网站、呼叫中心，以及供应商及合作伙伴平台客户的技术能力客户作为行业领先的技术提供者，在2012年的Information Week TOP 500中排名第26位，它的直销/分销平台和解决方案所能提供的技术指标都是行业内首屈一指的：•每秒80,000交易数•全球100多个国家的63,000家代理商使用客户的分销系统•每日1.5亿次航班状态请求•每日10亿次应用访问请求•每日2.45亿次网络服务请求1.2.2客户遇到的挑战客户作为行业直销/分销交易平台，从航空公司、旅行社、租车公司等获得各种旅游资源，一方面通过自己的直销渠道（Travelocity），另一方面通过代理商分销为公众消费者提供这些资源。
虽然客户已经成为行业的业务和技术领跑者，但是在业务发展过程中发现其目前的业务模型和系统存在一些问题。
图表 1 客户目前的业务模型上图为客户的业务模型图，对应的支撑系统也依照此模式设计。
从中可以看出客户目前的业务模型是开环的：供应商、代理商和消费者是分离的，之间只是通过流程联系在一起，没有形成完整的闭环管理，如：客户可以了解各个供应商提供的旅游资源；直销/分销渠道了解客户的实际需求，而客户无法将它们有机的联系在一起。
图表 2 闭环管理的业务模型在当今的市场环境下，仅仅向消费者提供可供的资源信息已不能够全面满足消费者的需求，追踪消费者的消费领域、消费过程、消费习惯、消费周期，才有可能探索、挖掘潜在的客户需求，并为其提供更加贴心的全方位解决方案，形成完整的服务链。
1.2.3客户采用的Oracle大数据解决方案只依靠传统关系型架构很难解决上述问题，客户转而从大数据方面寻求突破点。
由于航空公司数据、旅客数据和历史订座数据目前都是以关系型数据的形式存储，所以客户采用了将大数据与传统关系型数据相结合的架构。
客户采用的逻辑模型图表 3 客户大数据逻辑模型客户采用的数据流程图表4 客户大数据架构的数据流客户采用的软件架构对应上述数据流程，客户采用了完整的Oracle大数据软件架构：依靠MapReduce 解析和分解原始数据，并存储在HDFS分布式文件系统中，最后将大数据的处理结果通过Sqoop导出至Oracle 11g分析平台中。
图表5 客户大数据的软件架构客户采用的硬件架构图表6 客户大数据的硬件架构客户的大数据解决方案的核心是3台Oracle Big Data Appliance（BDA），其中每台BDA的配置如下：18个计算节点通过40Gb/s的Infininband互联，每个节点包含：2 个6核Intel® Xeon® X5675 处理器(3.06 GHz)⏹48MB内存⏹12 x 3TB 3.5” 7200 RPM SAS磁盘1.2.4为什么选择Oracle大数据解决方案客户在众多的大数据解决方案提供商中选择了Oracle，是因为Oracle的大数据解决方案存在以下优势：•完整的大数据解决方案，并经过众多的客户实践⏹由于目前客户绝大部分数据都以关系型数据库的方式存储，所以大数据需要与传统关系型数据结合使用。