依靠自动化实现可扩展性
公司规模
Large Corporate
地区
- America
国家
- United States
产品
- Dataiku’s collaborative data science and analytics platform
技术栈
- R
- Scala
实施规模
- Enterprise-wide Deployment
影响指标
- Productivity Improvements
- Customer Satisfaction
技术
- 分析与建模 - 大数据分析
- 分析与建模 - 预测分析
适用功能
- 销售与市场营销
服务
- 数据科学服务
关于客户
客户是一家大型全国性媒体组织，制作新闻和公益（文化）作品。他们为全美 500 多家电视台提供联合内容。此外，他们的内容可直接从各种来源获取，包括网络和移动应用程序（由他们内部开发和维护）。该组织团队规模较小，资源有限，他们希望以可扩展的方式为其应用构建推荐系统。
挑战
一家大型全国性媒体组织希望为其应用用户提供高质量的推荐。他们的目标是向目标消费者提供他们真正感兴趣的内容，这不仅基于他们之前消费的内容，还基于他们与之前表示感兴趣的主题的互动方式。例如，如果有人选择收听关于主题 A 的报告，但随后快进大部分内容（而不是真正听完整篇文章），则应用应该将该活动考虑在内，以便在未来提供推荐。但是，由于团队规模很小且资源有限，该组织希望以可扩展的方式实现这一目标。不仅系统必须大部分或全部自动化，而且团队本身必须能够轻松地构建推荐系统，以便将来快速进行调整。
解决方案
国家媒体组织应用程序背后的团队利用 Dataiku 的协作数据科学和分析平台，高效轻松地将数据清理操作和流程串联起来，然后最终在内置的监督学习算法中使用准备好的数据来构建他们的推荐系统。无需编写代码，团队就可以无缝地尝试不同的模型，并根据他们的业务目标选择为应用程序提供最佳推荐的模型。同时，当他们确实想使用代码进行数据处理时，Dataiku 允许他们使用多种语言（主要是 R 和 Scala），选择最适合手头任务的工具。由于需要进行所有数据处理（有时单个处理操作需要超过 25 种配方），如果流程的任何部分出现故障，Dataiku 可以让小团队简单高效地准确找出问题所在并快速修复。
运营影响
数量效益
Case Study missing?
Start adding your own!
Register with your work email and create a new case study profile for your business.
