美國快捷藥方公司(Express Scripts)是一家資產達930億美元的藥方福利管理公司，總部位于美國圣路易斯。這個躋身于《財富》500強前100強之列的公司每年能從一億多客戶手中收到近15億個處方，并對每個處方中有價值的數據信息進行分析。簡單地說，數據就是快捷藥方的命脈。
　　Express Script首席技術官Jim Lammers說：“我們通過數據輸入、藥店管理和系統執行追蹤每一個處方，同時我們也采用同樣的方式追蹤各種各樣的數據信息。這種方式也可以加快公司藥品交貨速度并降低錯誤率。”
　　快捷藥方稱其數據分析流程每年都會提供一個信息寶庫，這個信息寶庫有助于減少醫療保健的開銷，并解決人們不按處方買藥而導致數百萬美元損失的醫療保健問題。
　　從計算機，手機，平板電腦，傳感器，社交網絡上的推特、文字和帖子，一般零售和網上注冊交易等這些社交工具和媒體上，可以挖掘大量的、有價值的數據信息。據IDC估計，到2020年B2B和B2C的線上交易數量將達到每天4500億筆。利用大數據和數據分析技術獲取巨大的商業利益，在這方面，英特爾、UPS和快捷藥方這三家公司是處于領先地位的。根深蒂固的數據分析文化以及對成本效益和流程改善的不懈追求是它們最寶貴的成功經驗。
　　快捷藥方：降低醫療成本
　　快捷藥方郵購藥品的數據可以分析出病人是否以最優惠的價格購買了處方藥。如果不是，快捷藥方會向病人提供高出優惠價格那部分費用的信息，并調整藥品遞送方式以減少病人的麻煩。
　　Lammers說：“如果他們通過郵購藥品購買治療高血脂的藥物的話，會為他們節省買藥的開銷。而據我們所知，一些病人一直都是從零售藥店購買的。為此，我們主動給病人發送郵件，吸引他們到我們的網站上注冊，然后根據他們的各自不同的情況發送相關信息，讓他們選擇郵購藥品的方式來買藥?！?BR>　　他還指出：“郵購藥品就是通過分析數據，建立交互模式并發布正確的信息，然后病人可以根據這些信息做出不同選擇。而關鍵在于，我們要向客戶提供準確的信息以及合適的選擇，他們才會一直選擇郵購藥品。”雖然這聽起來很簡單，但是業務重新定向的背后卻需要大量的技術支持，且更重要的是需要一個嚴格數據分析的方法，實際上，這也透露著快捷藥方全部的運作模式。
　　快捷藥方最大的IT投資項目之一是IBM元數據管理軟件，這對創建單記錄來說很重要。不管客戶是通過何種途徑(郵購、互聯網、電話或在零售藥店)購買藥物，這個單記錄都能夠記錄客戶購買藥物的一切行為。
　　Lammers說：“這個項目最大的挑戰就是將所有不同來源的信息整合到一起。我們投下巨資來管理元數據，從早期投資到現在，我們已經有兩到三次迭代了?！?BR>　　快捷藥方還創立了聯合分析模型，這個分析模型包含了一個商務數據分析團隊，且已經嵌入到每一個主要功能運行模塊中——供應鏈、銷售和財務。單一數據庫和集中數據治理是快捷藥方數據分析取得成功的另外兩個關鍵因素。
　　應用一個可行的數據治理模型和一個合適的數據管理基礎，快捷藥方擴展了預測分析能力，引進了一種名為Screen Rx的預測分析模型，Screen Rx的設計主要用于減少慢性病(糖尿病或高血脂)患者不遵從處方的問題。據快捷藥方透露，每年由于病人不遵從處方買藥就醫，就花費了3170多億美元，這成了美國成本最高的醫療保健問題。例如，不遵從處方而加大膽固醇藥物的劑量可能會促使一些病人心臟病發作，為此病人將花更多的錢用在心臟病的治療上。
　　Screen Rx預測分析模型包含了400多項內容，如病人位置、家庭狀況和病人所服用藥物的種類等，利用這個模型，快捷藥方能夠迅速發現并采取積極措施對病人加大用藥劑量的行為進行干預。干預的方式包括及時提醒病人用藥，或者將病人移交給患者援助計劃，幫助他支付醫藥費。第三種方法就是將病人轉交給臨床藥師，以便向病人普及由于用藥量過大引起副作用的相關知識。
　　Lammers說：“在我們做的所有事情當中，最重要的是去改變病人的保健行為，這對于醫療體制改革——首次讓數百萬人享有同等標準的醫療保障來說至關重要。我們需要對他們進行培訓，讓他們能更好的照顧自己。當我們把Screen Rx預測分析模型應用到那些還沒有享受到同等標準醫療保障的人群時，我們可以讓他們享受到正確的保健行為帶來的好處?！?BR>　　UPS：節省燃料以及安全運輸保障
　　物流運輸巨頭UPS，其年收益達540億美元。該公司信息服務副總裁Juan Perez說，UPS每年向IT產業投資10億美元，其中很大一部分用于數據分析。目前，UPS公司目標是改進業務流程，節省開銷并提高效率。
　　UPS已經取得了成功。通過不間斷地分析上千輛運輸車上發回來的傳感器數據流，UPS公司運輸路線縮短了530萬公里，引擎閑置時間減少了1000萬分鐘，節省了65萬加侖的油，碳排放量減少了6500多公噸。
　　能夠得到這些數據主要歸功于ORION，即行車整合優化和導航(On-Road Integrated Optimization and Navigation)，它是一個數據密集型系統，通過一系列復雜的算法向每一位運輸員發送效率最高的送貨路線。此外，系統中成堆的傳感器數據可以預測出運輸車哪部分會出現故障，從而采取預防性維護措施對卡車進行維護和修理。
　　ORION還可以讓UPS的主管們了解運輸司機們的一舉一動和運輸車的位置，主管們甚至連司機倒車或掉頭的次數都能知道，而主管們可以通過這一信息來判定哪個司機還需要進行額外的培訓。Perez說：“傳感器可以收集運輸車及司機的相關信息，我們將這些信息匹配到送貨和收貨信息上，然后就可以得到運輸司機每天工作的完整示意圖。通過這種方式統籌管理公司業務，其效果是非常驚人的?！?BR>　　現在，UPS對于數據的偏愛正在不斷延伸。其目的是利用另一個分析集約服務——UPS My Choice盡可能地接近UPS數百萬的客戶，通過UPS My Choice，客戶可根據個人喜好建立與UPS的合作方式。通過UPS My Choice客戶可以明確指示出包裹的運輸方式及送貨地址，如果客戶地址改變了，也可以通過它更改包裹運送地址，該項服務還有簽收狀態提示。
　　“我們做的就是采取一種新的方法來管理個人供應鏈。我們同客戶的這種聯系正在改變或者在未來幾年中將要改變我們的業務，整合客戶信息可以促進公司收入增長”，Perez說。
　　UPS My Choice投入使用的第一年，就有200多萬客戶在這項服務中注冊，超過2500萬的包裹寄送出去。UPS可以根據客戶對于貨物遞送喜好的數據改善公司的內部運作模式，Perez說：“我們可以設立一個一對一的體驗模式”。
　　但更重要的是對新產品和新服務的數據分析。“我們提供包裹追蹤和運送的通知，從客戶的反饋信息中我們可以知道客戶需要什么樣的產品和服務，并按客戶要求提供。但是，定義新的產品和服務需要大量的數據，然后將獲得的數據聯系起來，繪制一張UPS所有大數據系統平面圖。從這張平面圖中，公司可以發現這些數據的新用途，從而開發出新的業務”，Perez說。
　　Perez說：“要做到這些還需要從流程改善開始，一旦將所有的東西聯系到一起，也就意味著公司業務將會發生很大變化。而這也正是我們想要達到的目標。”
　　英特爾：增加數百萬美元的收入
　　英特爾公司是一家利用數據分析而大獲成功的芯片生產制造商，傳統的BI在英特爾仍然充滿活力并且發展得很好。但是大數據采集和預測分析則是設計和生產效率的推動力，且成為英特爾新的收入來源，僅2012年公司的收入總額達數千萬美元。
　　英特爾首席信息官Kim Stevenson說：“首先你要相信你能夠改變結果。我們可以少花點兒時間在傳統BI問題上，而應該更多地關注未來的預測分析。”英特爾力求通過大量的數據分析識別各種模式，然后應用預測算法解決高價值業務問題。
　　例如，2012年英特爾IT部門開發出了一種新的分銷商銷售工具，這個工具可以讓銷售團隊識別并重點關注規模較大的分銷商。這個新的銷售工具軟件發掘了大量內部和外部數據，然后采用預測算法來定位最具發展潛力的分銷商。Stevenson表示，目前，通過這個工具在亞太地區識別的分銷商要比傳統手動方法識別的分銷商多兩倍，也帶來了約2000萬美元的新增銷售額。隨著這個工具應用范圍的擴大，英特爾的收益也會隨之增長。
　　在生產線上，英特爾利用預測分析工具縮短微處理器測試時間。為此，公司在概念測試期間節省了300萬美元的測試費用。到2014年，隨著這個預測分析工具的應用范圍更加廣泛，Steveson希望公司能夠再節省3000萬美元。Stevenson說：“英特爾在數據分析方面迅速獲得了成功，關鍵是公司可以利用相對較小且行動迅速的分析團隊來處理需要大筆資金才能解決的問題。”
　　她指出：“要讓業務部門關注未來，提出更好的問題，才能獲得更好的結果。對此我們也很清楚應該加快速度來實現這些。我們從傳統的BI環境中走出來，因為要在這個環境中解決元數據問題是不可能的。雖然人們一直在致力于此，但業務部門卻不太可能看到價值?！?BR>　　所以Stevenson想出了“六個月和1000萬美元”準則。她解釋道：“在六個月內解決1000萬美元的問題至關重要，總經理們都表示如果我們能夠幫他們節省1000萬美元，那么他們愿意付出六個月的時間?！痹谟⑻貭?，商務經理要支持并投資IT項目。
　　Stevenson招募了一個業務專家、一個統計學家、一個預測模型構建者、一個機器研究專家和一個數據科學家，這五個人組建了一個工作團隊。Stevenson說：“他們每個人都對我們現在努力解決的問題持有點不同的觀點，在六個月內成功解決1000萬美元的問題，這正是證明我們有能力去改變我們現在的做事方式?！?BR>　　除了減少了測試時間和定位有潛力的分銷商之外，還有13個分析項目利用預測分析完成了。所以，Stevenson提出了更高的要求：找出一個一億美元的問題，交給工作團隊來解決。 “當你取得了一個驕人的成績時，你會不滿于此并想刷新這個成績”，她說。現在正在進行的項目是對英特爾芯片設計和調試程序以及新安全威脅信息的預測分析。
　　Stevenson提醒企業不要低估了預測分析項目所要求的技能和培養技能需要的時間。她說：“當我思考我們關于Hadoop的學習曲線時，發現更高級表示層上的某些東西與SAP和傳統BI的完全不同，而我要強調的是與技能相關的學習曲線并不是無關緊要的。”
　　她還有一條建議：“培養對試驗的興趣，尤其是在數據分析技術不斷發展的情況下。在技術領域，勝負未分。想要成功，你就要拓寬眼界，不斷發展新的業務?！?/P>