美国快捷药方公司(Express Scripts)是一家资产达930亿美元的药方福利管理公司，总部位于美国圣路易斯。这个跻身于《财富》500强前100强之列的公司每年能从一亿多客户手中收到近15亿个处方，并对每个处方中有价值的数据信息进行分析。简单地说，数据就是快捷药方的命脉。
　　Express Script首席技术官Jim Lammers说：“我们通过数据输入、药店管理和系统执行追踪每一个处方，同时我们也采用同样的方式追踪各种各样的数据信息。这种方式也可以加快公司药品交货速度并降低错误率。”
　　快捷药方称其数据分析流程每年都会提供一个信息宝库，这个信息宝库有助于减少医疗保健的开销，并解决人们不按处方买药而导致数百万美元损失的医疗保健问题。
　　从计算机，手机，平板电脑，传感器，社交网络上的推特、文字和帖子，一般零售和网上注册交易等这些社交工具和媒体上，可以挖掘大量的、有价值的数据信息。据IDC估计，到2020年B2B和B2C的线上交易数量将达到每天4500亿笔。利用大数据和数据分析技术获取巨大的商业利益，在这方面，英特尔、UPS和快捷药方这三家公司是处于领先地位的。根深蒂固的数据分析文化以及对成本效益和流程改善的不懈追求是它们最宝贵的成功经验。
　　快捷药方：降低医疗成本
　　快捷药方邮购药品的数据可以分析出病人是否以最优惠的价格购买了处方药。如果不是，快捷药方会向病人提供高出优惠价格那部分费用的信息，并调整药品递送方式以减少病人的麻烦。
　　Lammers说：“如果他们通过邮购药品购买治疗高血脂的药物的话，会为他们节省买药的开销。而据我们所知，一些病人一直都是从零售药店购买的。为此，我们主动给病人发送邮件，吸引他们到我们的网站上注册，然后根据他们的各自不同的情况发送相关信息，让他们选择邮购药品的方式来买药。”
　　他还指出：“邮购药品就是通过分析数据，建立交互模式并发布正确的信息，然后病人可以根据这些信息做出不同选择。而关键在于，我们要向客户提供准确的信息以及合适的选择，他们才会一直选择邮购药品。”虽然这听起来很简单，但是业务重新定向的背后却需要大量的技术支持，且更重要的是需要一个严格数据分析的方法，实际上，这也透露着快捷药方全部的运作模式。
　　快捷药方最大的IT投资项目之一是IBM元数据管理软件，这对创建单记录来说很重要。不管客户是通过何种途径(邮购、互联网、电话或在零售药店)购买药物，这个单记录都能够记录客户购买药物的一切行为。
　　Lammers说：“这个项目最大的挑战就是将所有不同来源的信息整合到一起。我们投下巨资来管理元数据，从早期投资到现在，我们已经有两到三次迭代了。”
　　快捷药方还创立了联合分析模型，这个分析模型包含了一个商务数据分析团队，且已经嵌入到每一个主要功能运行模块中——供应链、销售和财务。单一数据库和集中数据治理是快捷药方数据分析取得成功的另外两个关键因素。
　　应用一个可行的数据治理模型和一个合适的数据管理基础，快捷药方扩展了预测分析能力，引进了一种名为Screen Rx的预测分析模型，Screen Rx的设计主要用于减少慢性病(糖尿病或高血脂)患者不遵从处方的问题。据快捷药方透露，每年由于病人不遵从处方买药就医，就花费了3170多亿美元，这成了美国成本最高的医疗保健问题。例如，不遵从处方而加大胆固醇药物的剂量可能会促使一些病人心脏病发作，为此病人将花更多的钱用在心脏病的治疗上。
　　Screen Rx预测分析模型包含了400多项内容，如病人位置、家庭状况和病人所服用药物的种类等，利用这个模型，快捷药方能够迅速发现并采取积极措施对病人加大用药剂量的行为进行干预。干预的方式包括及时提醒病人用药，或者将病人移交给患者援助计划，帮助他支付医药费。第三种方法就是将病人转交给临床药师，以便向病人普及由于用药量过大引起副作用的相关知识。
　　Lammers说：“在我们做的所有事情当中，最重要的是去改变病人的保健行为，这对于医疗体制改革——首次让数百万人享有同等标准的医疗保障来说至关重要。我们需要对他们进行培训，让他们能更好的照顾自己。当我们把Screen Rx预测分析模型应用到那些还没有享受到同等标准医疗保障的人群时，我们可以让他们享受到正确的保健行为带来的好处。”
　　UPS：节省燃料以及安全运输保障
　　物流运输巨头UPS，其年收益达540亿美元。该公司信息服务副总裁Juan Perez说，UPS每年向IT产业投资10亿美元，其中很大一部分用于数据分析。目前，UPS公司目标是改进业务流程，节省开销并提高效率。
　　UPS已经取得了成功。通过不间断地分析上千辆运输车上发回来的传感器数据流，UPS公司运输路线缩短了530万公里，引擎闲置时间减少了1000万分钟，节省了65万加仑的油，碳排放量减少了6500多公吨。
　　能够得到这些数据主要归功于ORION，即行车整合优化和导航(On-Road Integrated Optimization and Navigation)，它是一个数据密集型系统，通过一系列复杂的算法向每一位运输员发送效率最高的送货路线。此外，系统中成堆的传感器数据可以预测出运输车哪部分会出现故障，从而采取预防性维护措施对卡车进行维护和修理。
　　ORION还可以让UPS的主管们了解运输司机们的一举一动和运输车的位置，主管们甚至连司机倒车或掉头的次数都能知道，而主管们可以通过这一信息来判定哪个司机还需要进行额外的培训。Perez说：“传感器可以收集运输车及司机的相关信息，我们将这些信息匹配到送货和收货信息上，然后就可以得到运输司机每天工作的完整示意图。通过这种方式统筹管理公司业务，其效果是非常惊人的。”
　　现在，UPS对于数据的偏爱正在不断延伸。其目的是利用另一个分析集约服务——UPS My Choice尽可能地接近UPS数百万的客户，通过UPS My Choice，客户可根据个人喜好建立与UPS的合作方式。通过UPS My Choice客户可以明确指示出包裹的运输方式及送货地址，如果客户地址改变了，也可以通过它更改包裹运送地址，该项服务还有签收状态提示。
　　“我们做的就是采取一种新的方法来管理个人供应链。我们同客户的这种联系正在改变或者在未来几年中将要改变我们的业务，整合客户信息可以促进公司收入增长”，Perez说。
　　UPS My Choice投入使用的第一年，就有200多万客户在这项服务中注册，超过2500万的包裹寄送出去。UPS可以根据客户对于货物递送喜好的数据改善公司的内部运作模式，Perez说：“我们可以设立一个一对一的体验模式”。
　　但更重要的是对新产品和新服务的数据分析。“我们提供包裹追踪和运送的通知，从客户的反馈信息中我们可以知道客户需要什么样的产品和服务，并按客户要求提供。但是，定义新的产品和服务需要大量的数据，然后将获得的数据联系起来，绘制一张UPS所有大数据系统平面图。从这张平面图中，公司可以发现这些数据的新用途，从而开发出新的业务”，Perez说。
　　Perez说：“要做到这些还需要从流程改善开始，一旦将所有的东西联系到一起，也就意味着公司业务将会发生很大变化。而这也正是我们想要达到的目标。”
　　英特尔：增加数百万美元的收入
　　英特尔公司是一家利用数据分析而大获成功的芯片生产制造商，传统的BI在英特尔仍然充满活力并且发展得很好。但是大数据采集和预测分析则是设计和生产效率的推动力，且成为英特尔新的收入来源，仅2012年公司的收入总额达数千万美元。
　　英特尔首席信息官Kim Stevenson说：“首先你要相信你能够改变结果。我们可以少花点儿时间在传统BI问题上，而应该更多地关注未来的预测分析。”英特尔力求通过大量的数据分析识别各种模式，然后应用预测算法解决高价值业务问题。
　　例如，2012年英特尔IT部门开发出了一种新的分销商销售工具，这个工具可以让销售团队识别并重点关注规模较大的分销商。这个新的销售工具软件发掘了大量内部和外部数据，然后采用预测算法来定位最具发展潜力的分销商。Stevenson表示，目前，通过这个工具在亚太地区识别的分销商要比传统手动方法识别的分销商多两倍，也带来了约2000万美元的新增销售额。随着这个工具应用范围的扩大，英特尔的收益也会随之增长。
　　在生产线上，英特尔利用预测分析工具缩短微处理器测试时间。为此，公司在概念测试期间节省了300万美元的测试费用。到2014年，随着这个预测分析工具的应用范围更加广泛，Steveson希望公司能够再节省3000万美元。Stevenson说：“英特尔在数据分析方面迅速获得了成功，关键是公司可以利用相对较小且行动迅速的分析团队来处理需要大笔资金才能解决的问题。”
　　她指出：“要让业务部门关注未来，提出更好的问题，才能获得更好的结果。对此我们也很清楚应该加快速度来实现这些。我们从传统的BI环境中走出来，因为要在这个环境中解决元数据问题是不可能的。虽然人们一直在致力于此，但业务部门却不太可能看到价值。”
　　所以Stevenson想出了“六个月和1000万美元”准则。她解释道：“在六个月内解决1000万美元的问题至关重要，总经理们都表示如果我们能够帮他们节省1000万美元，那么他们愿意付出六个月的时间。”在英特尔，商务经理要支持并投资IT项目。
　　Stevenson招募了一个业务专家、一个统计学家、一个预测模型构建者、一个机器研究专家和一个数据科学家，这五个人组建了一个工作团队。Stevenson说：“他们每个人都对我们现在努力解决的问题持有点不同的观点，在六个月内成功解决1000万美元的问题，这正是证明我们有能力去改变我们现在的做事方式。”
　　除了减少了测试时间和定位有潜力的分销商之外，还有13个分析项目利用预测分析完成了。所以，Stevenson提出了更高的要求：找出一个一亿美元的问题，交给工作团队来解决。 “当你取得了一个骄人的成绩时，你会不满于此并想刷新这个成绩”，她说。现在正在进行的项目是对英特尔芯片设计和调试程序以及新安全威胁信息的预测分析。
　　Stevenson提醒企业不要低估了预测分析项目所要求的技能和培养技能需要的时间。她说：“当我思考我们关于Hadoop的学习曲线时，发现更高级表示层上的某些东西与SAP和传统BI的完全不同，而我要强调的是与技能相关的学习曲线并不是无关紧要的。”
　　她还有一条建议：“培养对试验的兴趣，尤其是在数据分析技术不断发展的情况下。在技术领域，胜负未分。想要成功，你就要拓宽眼界，不断发展新的业务。”