研究表明，当今世界约有90%的数据是在过去两年内创建的，而我们目前的输出估计为每天2.5亿字节。我们认为，隐藏在几乎无穷无尽的一串一和零串中的是各种各样的见解，它们准备帮助改善我们开展业务和生活的方式。我们所需要的只是良好的商业智能，它使我们最聪明，最聪明的人可以将数据转换为可以实际执行的想法。大数据几乎在每个行业中都有用，但是在过去的一年中，它一直在发表声明，并扰乱了四个行业的标准。随着2018年的临近，让我们看一下分析如何继续塑造这些垂直领域。
1.城市规划。
联合国预测，在短短30多年中，世界人口的三分之二将生活在城市地区，其中最大的扩展发生在亚洲和非洲的发展中地区。这些地区的城市将面临满足其公民需求的挑战，因此，不仅要了解城市的发展方式，而且还要了解如何使城市变得更加智慧和可持续发展，这一点很重要。
使用类似于经典SimCity游戏的模拟，您可以在其中构建虚拟城市并观察其成长和发展，这对开发新的城市区域会有所帮助，但由于它使用了关于人们如何概括的方式，因此它不是一个完美的解决方案和城市中的组织行为。这些模拟可用作通用指南，但如果没有细微的智能准确性，它就无法像我们需要的那样有用。
例如，万事达卡最近与Cubic Transportation Systems合作开发了一个新的数据分析平台。他们将万事达卡的交易数据与Cubic的交通数据，分析和可视化平台相结合，开发了Urbanomics Mobility Project，以深入了解城市中过境和经济活动之间的联系方式。
2.教育和职业培训。
对于企业而言，职业培训是一项必要且可能代价高昂的工作。在职培训是一个很好的解决方案，因为它允许在工作时进行培训。但是主管和经验丰富的员工可能没有培训他人的技能。仅仅因为他们擅长工作并获得升职并不能使他们成为有效的老师。
将电子学习与培训结合使用可以有所作为。电子学习是一个庞大的行业。2015年，该市场的价值约为1650亿美元。以每年5%的速度增长，我们今年应该会达到1820亿美元的市场，到2023年将达到2400亿美元。随着它的持续增长，我们可以期望看到数据收集和分析改变了我们所认识的教育的面貌它。
传统上，教育是依靠考试成绩来确定学生对材料的学习程度，但并不是每个人都能以相同的方式学习，而且考试很容易被骗，因此成绩不一定能准确反映某人的工作能力。
这就是为什么当今的电子学习公司转向诸如Cloud Assessments之类的解决方案的原因，该虚拟工作区旨在观察学生以查看他们是否可以在工作中所见的相同环境中应用所学知识。该平台与商业智能和数据分析公司Sisense合作，从复杂的数据和指标中获取见解，以便他们可以更清楚地了解学生的表现。
数据可以很容易地与雇主共享并为雇主所理解，因此他们可以更多地了解其雇员(和潜在雇员)拥有的真正技能。它可以帮助使培训预算保持一致-因为评估可以在支付任何种类的培训之前使用，例如奖金和行业认证的申请费。学生会从中受益，因为他们有一种切实的方法来探索自己的技能，学习实现自己的职业目标可能需要的额外培训。
3.航空。
飞行业面临过时的技术，过时的联邦航空局规则和基础设施问题等严峻挑战。在过去的几十年里，该行业的创新充其量只是平庸的，但是商业智能正在开始改变这一切。
2015年，航空运输中有23人与工作相关的死亡事故，并且有6.2%的航空业雇员报告遭受某种伤害。我们在飞机制造过程中能够使流程自动化的越多，人为失误的窗口就越小，从而降低了受伤的风险。
波音公司花了一年多的时间分析数据并改进流程，以构建其机身自动立式构建(FAUB)系统。这是组装机器人的网络，成对工作，将6万个铆钉安装到其777飞机的每个机身中。这意味着所有人类要做的就是将机身面板引导到正确的位置。
在1980年代，一架波音767仅可检测到9,000个故障。现在，由于使用了智能传感器，因此可以在一架波音787上发现45,000个故障。使用飞机健康监控系统(AHMS)，可从单个数据中获取数据检测到故障的飞机可以用来扫描整个机队是否存在相同的问题。
4.医疗保健。
在医疗保健行业中当然不乏数据，因为许多患者记录现在已经数字化，而传统的X射线胶片已被计算机图像取代。直到最近，问题一直是如何分析所有数据，以及如何处理我们从中获得的见解。
目前，我们看到大数据分析已成为行业中更多的优先事项。一份报告显示83%的制药公司计划在明年将分析解决方案作为优先事项。我们还在建议数据库(例如Healthline)中看到了这一点，该数据库使更多消费者更容易获得健康信息，而健康信息是改善预防保健的关键组成部分。
将来，使用机器学习和大数据可能意味着您的医生可以处理通过AI提供的信息，并根据您的症状和个人遗传密码进行诊断。尽管该行业需要相当长的时间才能达到这一点，但它似乎可能会带来更有效和更好的护理。
大数据改变了世界。
行业中断并不总是一件坏事。无论我们是否喜欢，数据的收集和存储速度都惊人。将其用于提高速度和效率是有意义的，不是吗?
标签： 数据