基于大数据的成功应用有哪些 ？ 举报 理由 举报 取消 个人能直接感受到的实用产品就是推荐（豆瓣，netflix的相似推荐），，最好是日常生活能用的，很实用的，还请大家都多补充更正 2018年1月2日 10 条回复 837 次浏览 大数,据分析,数据
回复 ( 10 )
太多了！
我不想有太多文字叙述：
投资领域的，量化投资，国外的投资机构基本上都采用，国内的有个优矿网
金融领域的，风控，有贷前和贷后，太多公司在做，如迈宁数据、数尊
出行领域的，线路优化 有妙计旅行、滴滴和优步
消费品领域的，精准营销，百分点
医疗领域的，健康管理，23and me等等
安全领域：犯罪预测，Palantir，国内有个叫七巧板
我是不是透露得有点多了？关注大数据，欢迎加我微信dashuju234，另外，需要相关学习资料的也可以找我，仅供免费交流，版权不归我，觉得好的点个赞！
谢邀。按照几个维度简单介绍下：
推荐：amazon、netfix、阿里手机移动端。从公开的、未公开的数据来看，它们从推荐系统里受益良多。哦，还有hulu的推荐系统，等等。
语音识别：包括声音转文字，这个在微信、搜狗输入法里等有很多体现。
娱乐：比如说前段时间很火的上传头像判断年龄，用cnn来搞毕加索画风等等。
体育：有人研究了马刺的进攻方法，发现他们的每次进攻得分，依赖于他们的传球路线。
还有很多很多，如果您想了解更多应用，可以看我之前写的一个slides，极其全面的介绍了大数据的应用和挑战：
董神，赞我！
这些画的颜色是通过对物品的颜色与人们的购买行为之间的关系进行分析并限定几个强关联的范围后得出的，因为画框上有玻璃罩着，所以拍照时出现了反光，实际效果比较接近抽象水彩画。虽然说艺术作品是不考虑实用性的，但是因为这种作品的制作方式决定了这种画的低价，因此可以变得很实用，比如用来遮盖墙壁上的一些碍眼的地方。
上面这张照片是拍的今天刚出的拼图，因为尚未干透所以拍照的时候纸张都是弯曲的，干透了就好了。打算装裱成下图中的效果。
由于受到硬件的限制，这种画单幅的尺寸都不大，拼起来可以解决这个问题，而且想拼多大拼多大。
不过这些画说不上成功，因为我还在进行最后的调整，还没有推向市场，因此没有知名度。
谢邀
大数据除了数据大，其他的特征从古至今一直都在被使用。
林彪每次打完仗，都会记录俘虏人员的直到官职，枪械种类和数量，这平淡不经的举动直到那天的胡家窝棚，他遇到了真爱廖耀湘，他发现那几天的缴获水平明显高以前档次，短枪明显多于长枪，这帮男人偏短啊，于是认为这附近有真爱，最后成功俘获廖耀湘。
你的女朋友或者老婆天天都在玩大数据。没有比女人大脑更牛逼的大数据平台了。我女友用的十分娴熟，当我平时周末不出门，突然两个周末出门了，就会被发现，然后被她监控，手机就会成为第一个审核对象。聊天记录如果出现被删除，或者某些异性聊天频率过高都会成为审核对象。
其实大数据类的应用中，最牛逼的是人的大脑，我们天天在用，现在所有机器学习都是人大脑的仿生学，如果能用大脑想明白的事就不要用大数据。
大数据最大的价值在于弥补大脑精确性的不足，所以在生活中被用到这么精确的不多，因为人脑就够用了，毕竟所有服务生活的，都是为了让大脑满意。
推荐系统基本不会让人满意，就是经典的自作聪明系统，因为它不够聪明，但还觉的它懂你，但它不懂你。
如果你被女孩子拒绝，一般都是因为你不懂她的心，大数据也是这样子的备胎，大数据并不懂我们。生活中成熟的应用几乎没有。某些特殊领域，有一定精确率还是有些应用场景的，但要达到懂人心还需要多学几年。
【案例一：Google通过大数据预测甲型H1N1流感】2009年出现了一种新的流感病毒。这种甲型H1N1流感结合了导致禽流感和猪流感的病毒的特点，在短短几周之内迅速传播开来。全球的公共卫生机构都担心一场致命的流行病即将来袭。有的评论家甚至警告说，可能会爆发大规模流感，类似于1918年在西班牙爆发的影响了5亿人口并夺走了数千万人性命的大规模流感。更糟糕的是，我们还没有研发出对抗这种新型流感病毒的疫苗。公共卫生专家能做的只是减慢它传播的速度。但要做到这一点，他们必须先知道这种流感出现在哪里。美国，和所有其他国家一样，都要求医生在发现新型流感病例时告知疾病控制与预防中心。但由于人们可能患病多日实在受不了了才会去医院，同时这个信息传达回疾控中心也需要时间，因此，通告新流感病例时往往会有一两周的延迟。而且，疾控中心每周只进行一次数据汇总。然而，对于一种飞速传播的疾病，信息滞后两周的后果将是致命的。这种滞后导致公共卫生机构在疫情爆发的关键时期反而无所适从。在甲型H1N1流感爆发的几周前，互联网巨头谷歌公司的工程师们在《自然》杂志上发表了一篇引人注目的论文。它令公共卫生官员们和计算机科学家们感到震惊。文中解释了谷歌为什么能够预测冬季流感的传播：不仅是全美范围的传播，而且可以具体到特定的地区和州。谷歌通过观察人们在网上的搜索记录来完成这个预测，而这种方法以前一直是被忽略的。谷歌保存了多年来所有的搜索记录，而且每天都会收到来自全球超过30亿条的搜索指令，如此庞大的数据资源足以支撑和帮助它完成这项工作。谷歌公司把5000万条美国人最频繁检索的词条和美国疾控中心在2003年至2008年间季节性流感传播时期的数据进行了比较。他们希望通过分析人们的搜索记录来判断这些人是否患上了流感，其他公司也曾试图确定这些相关的词条，但是他们缺乏像谷歌公司一样庞大的数据资源、处理能力和统计技术。虽然谷歌公司的员工猜测，特定的检索词条是为了在网络上得到关于流感的信息，如“哪些是治疗咳嗽和发热的药物”，但是找出这些词条并不是重点，他们也不知道哪些词条更重要。更关键的是，他们建立的系统并不依赖于这样的语义理解。他们设立的这个系统唯一关注的就是特定检索词条的使用频率与流感在时间和空间上的传播之间的联系。谷歌公司为了测试这些检索词条，总共处理了4.5亿个不同的数学模型。在将得出的预测与2007年、2008年美国疾控中心记录的实际流感病例进行对比后，谷歌公司发现，他们的软件发现了45条检索词条的组合，将它们用于一个特定的数学模型后，他们的预测与官方数据的相关性高达97%。和疾控中心一样，他们也能判断出流感是从哪里传播出来的，而且判断非常及时，不会像疾控中心一样要在流感爆发一两周之后才可以做到。所以，2009年甲型H1N1流感爆发的时候，与习惯性滞后的官方数据相比，谷歌成为了一个更有效、更及时的指示标。公共卫生机构的官员获得了非常有价值的数据信息。惊人的是，谷歌公司的方法甚至不需要分发口腔试纸和联系医生——它是建立在大数据的基础之上的。这是当今社会所独有的一种新型能力：以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见。基于这样的技术理念和数据储备，下一次流感来袭的时候，世界将会拥有一种更好的预测工具，以预防流感的传播。【案例二：Farecast通过网络大数据预测飞机票价】2003年，奥伦·埃齐奥尼（Oren Etzioni）准备乘坐从西雅图到洛杉矶的飞机去参加弟弟的婚礼。他知道飞机票越早预订越便宜，于是他在这个大喜日子来临之前的几个月，就在网上预订了一张去洛杉矶的机票。在飞机上，埃齐奥尼好奇地问邻座的乘客花了多少钱购买机票。当得知虽然那个人的机票比他买得更晚，但是票价却比他便宜得多时，他感到非常气愤。于是，他又询问了另外几个乘客，结果发现大家买的票居然都比他的便宜。对大多数人来说，这种被敲竹杠的感觉也许会随着他们走下飞机而消失。然而，埃齐奥尼是美国最有名的计算机专家之一，从他担任华盛顿大学人工智能项目的负责人开始，他创立了许多在今天看来非常典型的大数据公司，而那时候还没有人提出“大数据”这个概念。1994年，埃齐奥尼帮助创建了最早的互联网搜索引擎MetaCrawler，该引擎后来被InfoSpace公司收购。他联合创立了第一个大型比价网站Netbot，后来把它卖给了Excite公司。他创立的从文本中挖掘信息的公司ClearForest则被路透社收购了。在他眼中，世界就是一系列的大数据问题，而且他认为自己有能力解决这些问题。作为哈佛大学首届计算机科学专业的本科毕业生，自1986年毕业以来，他也一直致力于解决这些问题。飞机着陆之后，埃齐奥尼下定决心要帮助人们开发一个系统，用来推测当前网页上的机票价格是否合理。作为一种商品，同一架飞机上每个座位的价格本来不应该有差别。但实际上，价格却千差万别，其中缘由只有航空公司自己清楚。埃齐奥尼表示，他不需要去解开机票价格差异的奥秘。他要做的仅仅是预测当前的机票价格在未来一段时间内会上涨还是下降。这个想法是可行的，但操作起来并不是那么简单。这个系统需要分析所有特定航线机票的销售价格并确定票价与提前购买天数的关系。如果一张机票的平均价格呈下降趋势，系统就会帮助用户做出稍后再购票的明智选择。反过来，如果一张机票的平均价格呈上涨趋势，系统就会提醒用户立刻购买该机票。换言之，这是埃齐奥尼针对9000米高空开发的一个加强版的信息预测系统。这确实是一个浩大的计算机科学项目。不过，这个项目是可行的。于是，埃齐奥尼开始着手启动这个项目。埃齐奥尼创立了一个预测系统，它帮助虚拟的乘客节省了很多钱。这个预测系统建立在41天之内的12000个价格样本基础之上，而这些数据都是从一个旅游网站上爬取过来的。这个预测系统并不能说明原因，只能推测会发生什么。也就是说，它不知道是哪些因素导致了机票价格的波动。机票降价是因为有很多没卖掉的座位、季节性原因，还是所谓的“周六晚上不出门”，它都不知道。这个系统只知道利用其他航班的数据来预测未来机票价格的走势。“买还是不买，这是一个问题。”埃齐奥尼沉思着。他给这个研究项目取了一个非常贴切的名字，叫“哈姆雷特”。这个小项目逐渐发展成为一家得到了风险投资基金支持的科技创业公司，名为Farecast。通过预测机票价格的走势以及增降幅度，Farecast票价预测工具能帮助消费者抓住最佳购买时机，而在此之前还没有其他网站能让消费者获得这些信息。这个系统为了保障自身的透明度，会把对机票价格走势预测的可信度标示出来，供消费者参考。系统的运转需要海量数据的支持。为了提高预测的准确性，埃齐奥尼找到了一个行业机票预订数据库。而系统的预测结果是根据美国商业航空产业中，每一条航线上每一架飞机内的每一个座位一年内的综合票价记录而得出的。如今，Farecast已经拥有惊人的约2000亿条飞行数据记录。利用这种方法，Farecast为消费者节省了一大笔钱。棕色的头发，露齿的笑容，无邪的面孔，这就是奥伦·埃齐奥尼。他看上去完全不像是一个会让航空业损失数百万潜在收入的人。但事实上，他的目光放得更长远。2008年，埃齐奥尼计划将这项技术应用到其他领域，比如宾馆预订、二手车购买等。只要这些领域内的产品差异不大，同时存在大幅度的价格差和大量可运用的数据，就都可以应用这项技术。但是在他实现计划之前，微软公司找上了他并以1.1亿美元的价格收购了Farecast公司。而后，这个系统被并入必应搜索引擎。到2012年为止，Farecast系统用了将近十万亿条价格记录来帮助预测美国国内航班的票价。Farecast票价预测的准确度已经高达75％，使用Farecast票价预测工具购买机票的旅客，平均每张机票可节省50美元。
我当时写微信找的一些案例。
毫不犹豫Uber！
理由我随意写几点，希望大家补充但是不要喷。
1.峰时定价
Uber会根据当前时段用车的强度和所拥有的车辆数目来自动计算需要支付的价格。
因为高峰期大家都想打车的话，肯定满足不了所有人的需求。
这个时候通过价格杠杆，高峰期抬高价格，这样一部分人就不用了。
这种机制我真的觉得很棒很赞！
2.派单系统
这个需要我说明吗？
真的需要吗？
3.评分系统
这个也是绝了！
虽说后来出国之后没有用uber了，听国内很多童鞋喷uber怎么怎么差，
但是我前期坐的时候真的觉得这个评分系统简直太好了。
大数据可应用于各行各业，将人们收集到的庞大数据进行分析整理，实现资讯的有效利用。举个本专业的例子，比如在奶牛基因层面寻找与产奶量相关的主效基因，我们可以首先对奶牛全基因组进行扫描，尽管我们获得了所有表型信息和基因信息，但是由于数据量庞大，这就需要采用大数据技术，进行分析比对，挖掘主效基因。例子还有很多。
大数据的意义和前景。总的来说，大数据是对大量、动态、能持续的数据，通过运用新系统、新工具、新模型的挖掘，从而获得具有洞察力和新价值的东西。以前，面对庞大的数据，我们可能会一叶障目、可见一斑，因此不能了解到事物的真正本质，从而在科学工作中得到错误的推断，而大数据时代的来临，一切真相将会展现在我们面前。
1，Netflix的纸牌屋是基于大数据做出来的。
马住明天答
GFW
同问！