在聽Gartner的分析師Doug Laney用55分鐘講述55個大數據應用案例之前，你可能對于大數據是否落地還心存疑慮。Laney的演講如同莎士比亞的全集一樣，不過可能“缺乏娛樂性而更具信息量”（也許對于技術人員來說是這樣的）。這個演講是對大數據3v特性的全面闡釋：variety（類型）、velocity（產生速度）和volume（規模）。術語的發明者就是用這種方式來描述大數據的 – 可以追溯到2001年。

這55個例子不是用來虛張聲勢，Laney的意圖是說明大數據的實際應用前景，聽眾們應該思考如何在自己公司里讓大數據落地并促進業務的發展。“也許有些例子并非來自于你當前所處的行業，但是你需要考慮如何做到他山之石可以攻玉。”Laney表示。

下面是其中的10個典型案例：

1. 梅西百貨的實時定價機制。根據需求和庫存的情況，該公司基于SAS的系統對多達7300萬種貨品進行實時調價。

2. Tipp24 AG針對歐洲博彩業構建的下注和預測平臺。該公司用KXEN軟件來分析數十億計的交易以及客戶的特性，然后通過預測模型對特定用戶進行動態的營銷活動。這項舉措減少了90%的預測模型構建時間。SAP公司正在試圖收購KXEN。“SAP想通過這次收購來扭轉其長久以來在預測分析方面的劣勢。”Laney分析到。

3. 沃爾瑪的搜索。這家零售業寡頭為其網站Walmart.com自行設計了最新的搜索引擎Polaris，利用語義數據進行文本分析、機器學習和同義詞挖掘等。根據沃爾瑪的說法，語義搜索技術的運用使得在線購物的完成率提升了10%到15%。“對沃爾瑪來說，這就意味著數十億美元的金額。”Laney說。

4. 快餐業的視頻分析（Laney沒有說出這家公司的名字）。該公司通過視頻分析等候隊列的長度，然后自動變化電子菜單顯示的內容。如果隊列較長，則顯示可以快速供給的食物;如果隊列較短，則顯示那些利潤較高但準備時間相對長的食品。

5. Morton牛排店的品牌認知。當一位顧客開玩笑地通過推特向這家位于芝加哥的牛排連鎖店訂餐送到紐約Newark機場（他將在一天工作之后抵達該處）時，Morton就開始了自己的社交秀。首先，分析推特數據，發現該顧客是本店的?？?，也是推特的常用者。根據客戶以往的訂單，推測出其所乘的航班，然后派出一位身著燕尾服的侍者為客戶提供晚餐。也許，這聽起來過于離奇，但是你必須審視自己：“我是否有能力做到這個程度？”Laney說。

6. PredPol Inc.。PredPol公司通過與洛杉磯和圣克魯斯的警方以及一群研究人員合作，基于地震預測算法的變體和犯罪數據來預測犯罪發生的幾率，可以精確到500平方英尺的范圍內。在洛杉磯運用該算法的地區，盜竊罪和暴力犯罪分布下降了33%和21%。

7. Tesco PLC（特易購）和運營效率。這家超市連鎖在其數據倉庫中收集了700萬部冰箱的數據。通過對這些數據的分析，進行更全面的監控并進行主動的維修以降低整體能耗。

8. American Express（美國運通，AmEx）和商業智能。以往，AmEx只能實現事后諸葛式的報告和滯后的預測。“傳統的BI已經無法滿足業務發展的需要。”Laney認為。于是，AmEx開始構建真正能夠預測忠誠度的模型，基于歷史交易數據，用115個變量來進行分析預測。該公司表示，對于澳大利亞將于之后四個月中流失的客戶，已經能夠識別出其中的24%。

9. Express Scripts Holding Co.的產品制造。該公司發現那些需要服藥的人常常也是最可能忘記服藥的人。因此，他們開發了一個新產品：會響鈴的藥品蓋和自動的電話呼叫，以此提醒患者按時服藥。

10. Infinity Property & Casualty Corp.的黑暗數據（dark data）。Laney對于黑暗數據的定義是，那些針對單一目標而收集的數據，通常用過之后就被歸檔閑置，其真正價值未能被充分挖掘。在特定情況下，這些數據可以用作其他用途。該公司用累積的理賠師報告來分析欺詐案例，通過算法挽回了1200萬美元的代位追償金額。