石油公司壳牌通过分析数据以预测机器故障
很少有行业能比能源行业产生更多的数据了。但多年来，石油巨头壳牌甚至不知道其在世界各地的各种设施中的零件都位于哪里;它不知道什么时候需要再进货;直到部件开始出现故障，它才知道什么时候出现了维护问题。由于机器停机每天给公司造成了数百万美元的损失，于是壳牌决定收集数据以避免这些问题。
壳牌卓越数据科学中心的总经理DanielJeavons表示，壳牌基于多家供应商的软件建立了一个分析平台，运行预测模型，以预测3000多种不同的石油钻井机的部件何时会出现故障。
该工具托管在微软Azure的云中，帮助壳牌将库存分析从超过48小时减少到不到45分钟，每年减少数百万美元的库存转移和重新分配成本。
经验总结:避免机器故障需要很多工具。Jeavons表示，壳牌的平台包括了来自Databricks、Alteryx、C3、SAP和其他供应商的软件，所有的这些软件共同帮助了他的数据科学家来产生商业见解。最终，首席信息官必须正确评估这些工具，并在进行大额购买之前了解哪些才是有效的。
ARC启用了新的数据管理工具
ARC捕获数据，将其输入分析引擎，对其进行细化，并为其客户构建定制的报告。ARC的CIODickieOliver表示，该公司正从Teradata的数据仓库迁移到Snowflake的云软件中，这将帮助ARC更快地将数据产品推向市场，并提供更大的可伸缩性和性能，这得益于其在AWS上的业务。Oliver表示，Snowflake是为了将计算资源与数据存储分开而设计的，它使ARC能够为客户快速构建新的定制报告。Oliver补充说，多亏了这个项目，ARC将能够为考虑新数据形式的客户量身定制新的产品。
经验总结:迁移到一个新的数据平台通常是令人畏惧的，不仅仅是因为技术的转变;变更管理是其中真正的麻烦所在。Oliver说，让人们“从一开始就专注于改变，并让他们经历改变过程是这个过程中最具挑战性的部分”，他补充说，他正全力培训员工，包括让他们通过认证，并引进顾问，如让Slalom来帮助我们进行变更管理。
TD银行在数据湖方面的天赋
TD银行企业信息高级副总裁JoeDosSantos表示，我们使用了基于Cloudera的数据湖用来培养对客户的洞察力，包括从跟踪员工的流失率，到为客户提供合适的产品。
经验总结:过去几年来，TDBank一直在重新构想其企业数据平台，筛选数十年来的客户交易和其他数据。TD银行没有过度依赖Hadoop，而是使用了Talend的软件来提取、转换原始数据并将其加载到可用于可操作商业智能的信息中。
DosSantos解释道:“Hadoop对于理解如何从A点到B点获取数据方面并不是很好。而Talend有一个元数据管理器和一个中央存储库来跟踪数据湖中的数据移动和转换。”
嘉吉公司正为虾农提供数据分析
嘉吉公司(Cargill)的动物营养部门开发了一款名为iQuatic的移动数据跟踪应用，帮助养虾人降低产量的死亡率。
嘉吉动物营养公司的CIOTiffany说，该应用程序能够基于环境因素(如温度、pH值和营养)来预测虾池中的生物量，并与嘉吉公司的iQuatic自动喂虾系统协同工作。Snyder在8月的CIO100研讨会上介绍了iQuatic系统。
只要农民将应用程序中的数据保存到云中，然后访问实时的操作仪表盘，便能够直观显示池塘的性能，提供关键的测量和预测分析，帮助他们更好地管理虾健康并提高产量。以前，农民是用传统的方式——用笔和纸来收集的这些数据。
经验总结:为了构建这个应用程序，嘉吉公司派遣了工程师和企业高管去厄瓜多尔的一个养虾场，了解农民是如何从池塘中获取数据的。“我们让农民成为了我们团队的一部分，”Snyder说。通过在敏捷、two-pizza的团队中快速工作，为在5个月内成功进行试点铺平了道路，并最终实现了产品发布。
让数据分析在默克公司发挥作用
经验总结:D'Alessandro表示，她成功的关键是在亚太地区的一家工厂中设立了一个“标杆”分析项目，默克将在那里获得最大的回报。而在那里展示了MANTIS的成功之后，它就为其他网站树立了榜样。她还学会了如何步步为营。D'Alessandro说，她在一个早期的实验中使用了人工智能和机器学习来分析默克制造过程的成本，但她“做得过头了”。她说:“这并不是因为缺乏赞助或缺乏远见，我们只是无法让它发挥作用。”