“Big Data”, un terme de plus en plus populaire auprès du public, et “data mining”, un exemple pratique de “Big Data”. Bien que tout le monde parle de “Big Data” ou “Data Mining”, savez – vous vraiment ce que c’est ? Ici, nous présentons brièvement 10 exemples d’exploration de données pour vous aider à comprendre comment les mégadonnées affectent nos vies.
1. Un cas classique : couches et bière
Les mégadonnées sont bien utilisées pour aider le département de marketing chez Walmart à prendre des décisions. Les chercheurs en marketing de Walmart ont constaté que lorsque les hommes se rendent dans la zone de bébé pour acheter des couches pour leurs enfants, ils sont plus susceptibles d’acheter quelques bières. Donc, Walmart a déplacé la bière à côté des couches, ce qui a entraîné une forte augmentation des ventes de bières et de couches.
2. Les manufacturiers automobiles améliorent leurs modèles grâce aux plateformes de médias sociaux
Les mégadonnées ont influencé les véhicules de Ford dès le début du design de la voiture. L’équipe de R&D de Ford a analysé la façon dont le camion s’ouvre l’arrière du SUV. (manuellement ou automatiquement). Bien que leurs enquêtes régulières ne l’a pas révélé comme un problème potentiel parce qu’il n’y avait pas de rapport de client, l’équipe de Ford a trouvé que les gens effectivement en parlaient beaucoup en analysant les plateformes sociales.
3. Utiliser CCTVs pour changer menus
Un restaurant rapide était créatif et peut basculer entre les différents menus affichés sur le grand écran en fonction du temps de file d’attente détecté par CCTV. Selon l’algorithme, CCTV envoie l’information de file d’attente à l’ordinateur, qui effectue ensuite le calcul et renvoie les résultats au menu qui contrôle l’affichage sur le grand écran. Par exemple, si les files d’attente sont longues, le menu sur l’écran offre plus d’options de restauration rapide, et lorsque les files d’attente sont courtes, le menu sur l’écran offre des plats plus rentables mais qui peuvent nécessiter plus de temps à préparer.
4. Google a prévu la grippe hivernale
En 2009, Google a étudié les 50 millions de mots les plus fréquemment récupérés et les a comparés aux données des CDC pour la saison grippale 2003 – 2008 afin d’établir des modèles statistiques. Enfin, le modèle a permis de prédire avec succès la propagation de la grippe hivernale, même spécifique dans les états.
5. Les mégadonnées connaissent mieux vos préférences musicales
La musique que vous écoutez dans votre voiture peut refléter vos préférences musicales. Gracenote dispose d’une technologie qui utilise des microphones intégrés sur les smartphones et les tablettes pour reconnaître les chansons diffusées par les utilisateurs à la télévision ou en stéréo, détecter les réactions telles que les applaudissements ou les huées, et même vérifier si les utilisateurs ont augmenté le volume. De cette façon, gracenote peut étudier la chanson préférée de l’utilisateur ainsi que l’heure et le lieu précis de la lecture de la chanson.
6. Les mégadonnées de Microsoft prévoient le 21 Oscars
En 2013, David Rothschild, du Microsoft de New York, a utilisé les mégadonnées pour prédire avec succès 19 des 24 prix Oscars et 21 prix de l’année suivante.
7. Prévoir des scènes de crime à l’aide des mégadonnées
Predpol, travaillant avec les services de police de Los Angeles et de Santa Cruz et une équipe de chercheurs, prédît la probabilité d’un crime en fonction des algorithmes de prévision sismique et des données sur la criminalité, qui peuvent être exactes à moins de 500 pieds carrés. À Los Angeles, où l’algorithme a été appliqué, la distribution des vols et des crimes violents a diminué de 33 % et de 21 %, respectivement.
8. Octoparse utilise des commentaires pour améliorer les produits
Octoparse, une entreprise SaaS, dédie à la capture de réseau qui garde toujours à l’esprit les conseils de ses clients. Octoparse a collecté des milliers de commentaires auprès de ses clients et a utilisé NLP pour étudier les commentaires et mettre à jour le produit, ce qui a largement amélioré l’expérience de client.
En tant qu’outil d’extraction de données Web simple mais puissant qui peut extraire automatiquement des données Web, vous permet de créer des règles d’extraction très précises. (Vous savez que je vais absolument parler de nos outils.) Le crawler en cours d’exécution dans Octoparse est déterminé par les règles configurées. Les règles d’extraction informent Octoparse quel site Web aller, où se trouvent les données que vous allez récupérer, quel type de données vous voulez, etc.
Vous pouvez extraire des données en 3 étapes simples en utilisant l’explorateur de données Web Octoparse. Ou vous pouvez suivre le Guide d’utilisation détaillé d’Octoparse.
Etape 1 : Copiez et collez l’URL dans le panneau principal d’ Octoparse après l’avoir téléchargé sur l’appareil.
Etape 2 : Extraire les données en mode de détection automatique et personnaliser le flux de travail sur le droit panneau. Ou vous pouvez essayer d’utiliser un modèle prédéfini.
Etape 3 : Exécuter la tâche après vous avez aperçu. Après quelques minutes, vous pouvez télécharger les données dans Excel, CSV ou un autre format disponible pour une utilisation ultérieure.
9. Trouvez votre rendez-vous avec les mégadonnées
Le mathématicien Chris McKinley est un étudiant au doctorat de l’UCLA. Après de nombreuses rencontres sans trouver la bonne fille, il pense qu’il devrait utiliser le site de rencontres comme un mathématicien. Grâce à ses talents, McKinley a créé sa propre programmation de robot qui utilise de faux comptes OkCupid pour recueillir de grandes quantités d’informations par rapport aux femmes sur le Web. McKinlay a passé trois semaines à recueillir 60 000 questions et réponses de 20 000 femmes dans les États – Unis. Il a ensuite divisé les utilisatrices en sept groupes avec différents systèmes basés sur l’amélioré algorithme K – mode qu’il a développé. Par l’utilisation d’un modèle mathématique pour calculer la façon d’optimiser des deux groupes de femmes, puis avoir rendez – vous. Quand il est sorti avec la 88e femme en ligne, il a trouvé son véritable amour.
10. Alibaba prend des mesures contre la contrefaçon avec les mégadonnées
Alibaba a récemment révélé une série d’affaires de contrefaçon. Le département de sécurité d’Ali a déclaré que “les mégadonnées les plus fiables sont les données sur les transactions de compte, la logistique et l’expédition”. Les employées de la sécurité d’Alibaba disent qu’ils peuvent suivre les entrepôts hors ligne en interrogeant les adresses d’expédition, les adresses IP et les adresses de retour, etc. Les données aux opérations du compte peuvent être divulguées pour chaque opération et pour chaque enregistrement de vente. Même si les vendeurs utilisent des identifiants et des magasins différents, ils peuvent trouver de faux commerçants hors ligne à partir des mégadonnées.
Selon le Département des relations publiques d’Alibaba, après des années de pratique, un modèle des mégadonnées a été mis au point pour surveiller, analyser et combattre les systèmes de contrefaçon qui ont été établis, et est effectivement utilisé en coopération avec la police pour lutter contre les contrefaçons.
Il y a de nombreuses applications pratiques des mégadonnées et d’exploration de données dans notre vie. En bref, ce que vous trouvez incroyable peut dépendre des mégadonnées. Découvrez des histoires intéressantes sur les mégadonnées dans votre vie et nous sommes heureux de vous les raconter.
