新闻 | 2019 数据影响力大奖最终获奖者

在纽约Strata Conference 期间，我们宣布了今年数据影响力大奖（DIA）的获奖者。这些年度奖项旨在表彰那些数据项目为各种行业和地区的技术，科学，健康，生活方式和社区带来巨大贡献的企业和组织。事实证明，这又是一个充满竞争的一年，我们一共收到7个DIA类别近100个提名。决赛入围的28位已经代表了最佳中的最佳，在Cloudera平台上运行最前沿的用例，真正展示了企业数据云战略。最终获奖者是由30位行业分析师，行业影响者和媒体组成的。

我们很高兴正式公布今年的数据影响力大奖得主。

以客户为中心是宏利的战略核心。像许多其他企业一样。宏利面临的挑战之一是客户数据以各种形式分散并锁定在整个操作系统中，包括呼叫日志、短信、电子邮件、服务中心对话、索赔表、网站交互等。为解决此问题，宏利的内部数据团队构建了企业数据湖（EDL），一个强大的企业范围数据后端，支持数字连接，报告自动化以及AI和高级分析开发。现在，所有客户交互数据都被收集到一个地方并每天更新。内部数据科学家和数据工程师合作创建了世界一流的客户联系洞察中心（CCIC）：一个基于浏览器的分析平台，提供可搜索的客户洞察的单一视图，业务用户随手可得。CCIC将最新的可视化，机器学习和自然语言处理模型集成到一个用户友好的平台中，为业务用户提供了端到端，易于搜索的客户旅程洞察。它还可以让用户启动分析，例如词云，情感分析和意图分析。通过将所有数据集成到EDL中并在同一个平台上提供强大的高级分析功能，CCIC取代了数千个独立查询，大大缩短了数据与行动之间的时间间隔。它改善了客户数据洞察力，最终带来了更好的客户体验。

大华银行使用Cloudera工具套件和服务套件来支持其人工智能和数据科学路线图，以推动其AI计划。使用Cloudera Data Science Workbench作为数据科学家进行协作的标准操作平台，可以更快，更高效地交付AI和数据科学模型。在整个组织中，人工智能和数据科学的采用正在迅速增长，该组织在12个业务部门和职能部门中有大量的人工智能和数据科学用例。这些项目的范围从使用自然语言处理来报告市场趋势，到个性化功能和服务以更有意义地吸引客户。一些值得注意的实施包括一套高级机器学习功能，大大减少了生成的警报中的误报数量来帮助分析师更有效地进行反洗钱监视，以及使用自然语言处理的一套市场观点解决方案来分析多年的投资分析师报告，使高管在准备简报时可以更好地了解分析师的观点，预测潜在的问题和机会。

获奖者：第一国民银行 (First National Bank)

南非“五大银行”之一的第一国民银行（FNB）建立了一个数据存储库，以打破企业内40多个业务部门的孤岛。通过与IBM和Cloudera合作，他们的数据和分析平台转型计划使企业能够更好地了解客户，最终提供更好的银行体验。FNB通过其规模化且值得信赖的富数据平台，正在扩大其领导地位。通过有效地使用技术并越来越多地利用大数据工具集，FNB可以通过上下文金融服务平台为客户提供新的解决方案，帮助他们导航财务之旅。这使该银行能够推动交叉销售和追加销售的机会，继续在各个细分市场推广产品。通过从旧数据仓库中卸载，FNB三年来已节省了大量资金，他们将继续将其·卸载到由Cloudera支持的数据仓库中。

普华永道构建了其全球数据平台，帮助满足其运营地区的客户需求，并帮助其团队具有全球洞察力，发现隐藏的风险并确定增长机会的领域。平台生态系统使团队能够以创新的方式与数据连接，从而更有效，更安全地为客户提供服务。考虑到普华永道的组织结构，在158个国家/地区拥有不同数据主权要求的全球性公司网络以及在整个公司网络中利用该平台的专业人员，该平台的建立尤其具有挑战性。通过使用该平台，普华永道能够实现更快的可扩展性，更低的分析成本，内置灾难恢复以及改进的访问控制和数据保护。该平台中的云计算部署提供了灵活的基础架构，可以根据业务需求随时扩展和缩小规模，从而简化了管理工作负载的能力。该平台提高了普华永道许多职能部门和团队的运营效率。

通过用Cloudera 企业版替换其旧系统，BRI的大数据和分析团队现在能够获得新的洞察并获得对其客户的深入了解，从而使BRI能够制定以数据为基础的战略决策，提高效率，生产力和增长。但是，如果不解决监管机构和消费者日益关注的数据安全问题，这一切都是不可能的。为了增强操作和服务的安全性，BRI团队使用Cloudera Data Science Workbench和Apache Kafka开发了实时欺诈检测系统BRIFORCE，该系统允许操作员处理和突出显示来自客户接触点的事件流中的异常例如ATM和互联网银行门户。以前，欺诈团队需要花费两周到两个月的时间来发现并举报欺诈行为，而BRIFORCE使此过程变成即时。与Cloudera的合作使BRI能够以新的方式利用人工智能和机器学习，为增强数据安全性和管理能力的解决方案提供支持，同时提供令人愉悦的客户体验。

美国人口普查局的任务是成为领先的关于国民和经济状况的高质量数据的提供者。正是为了这个目标，人口普查局使用开源技术和高性能混合云基础架构来进行转变，使用企业数据湖（EDL）来处理人口统计和经济数据的方式。EDL使人口普查局能够汇总和管理来自各种来源的数据，并为所有类型的用户改进数据集和数据产品。从规划新企业、学校、道路、医院、职业培训中心以及老年人的医疗保健需求等方面来看，社区都依赖人口普查局的统计数据。通过人口普查局收集的所有信息都是机密的，并受到联邦法律的保护。EDL将管理人口普查局内完整的数据沿袭，安全性和数据生命周期的治理，同时支持处理和分析数据以产生高质量数据产品的新功能。

抗菌素耐药性是当今全球最紧迫的公共卫生问题之一，使传染病的治疗极为复杂化，推高医疗保健成本，并导致发病率和死亡率增加。借助Cloudera和StreamSets，Ascension的临床研究所（ACRI）推出了全栈大数据解决方案，用于跟踪抗菌药物的使用和耐药性，并将这些结果自动报告给CDC。在Cloudera平台上，Ascension可以分析各种健康记录，可以收集对传染病分布模式的详细了解。机构可以每月在整个设施范围内和按地点解释抗菌药物使用数据，从而可以进行更详细的分析。通过共享这些数据并定义标准和协议，Ascensen使各设施能够对它们的使用进行基准测试，并采用与抗菌素管理和感染预防相关的最佳实践。抗菌使用和耐药性（AUR）模块的使用已成为将团队引向重点领域以改善护理的有效工具。在过去的一年中，因败血症和其他传染病诊断患者的死亡率Ascension已经改进了11％以上，正是结合使用了数据、将最佳实践纳入电子健康记录以及临床医生参与的重要性以获得的最佳结果。

2017年，Axiata建立了Axiata Analytics，这是一家跨公司的卓越中心，通过利用AI，ML和数据科学中的创新来交付转型项目。在两年的时间内，Axiata已经实现了大规模业务转型，其用例涵盖了减少客户流失，优化营销支出，电信网络优化，增加收入，同时提高生产力和节省大量成本的用例。Axiata能够从电信数据（例如客户的移动使用和网络流量）以及有关客户偏好，线下营销数据和行为模式的第三方数据中提取有价值的洞察，从而可以为股东提供数据驱动的可操作情报。例如，Axiata用当地语言（如僧伽罗语和高棉语）开发了一种全渠道的多语言客户服务聊天机器人，无需人工干预即可处理50％的查询。此外，通过自动处理网络投诉报告，Axiata减少了事件处理时间。为了进一步解决网络覆盖问题，先进的分析模型有助于优化对具有高收入和更高客户影响力的站点的覆盖范围，能量和微波容量。