“使用时点信息”，大大改变商业模式

——除了商品推荐外，还有哪些事例呢？

如今，POS（Point Of Sales销售时点信息管理）系统已经得到了广泛运用，这套系统通过条码读取器从商品条码中读取商品信息，传输给计算机，由此对销售额和库存等数据进行管理。

过去，用尽浑身解数，也只能处理商品销售时点的数据；而有了人工智能技术的现在，大数据的信息处理能力得到提升，可以收集人们使用商品时的数据，也就是POU（Point OF Use，使用时点信息）了。想必今后这种思路将会进一步普及。

比如，在国内销售的日产电动汽车“聆风”，每隔一分钟就向充电站发送车载锂离子电池使用量信息，并汇总到数据中心。通过监控电池用量，必要时可以向用户提示充电站的位置。除了电动汽车外，如果能够掌握商品的POU，那么商品就不是卖完了事，还可以拓展服务，令企业的商业模式也发生巨大变化。

国立信息学研究所副所长佐藤一郎

减少顾客损失的物联网实例

——这也属于物联网（IoT）的一例吧。

物联网与大数据是密不可分的。物联网着眼于收集数据，大数据则着眼于分析利用数据。进而言之，人工智能的机器学习、深度学习等技术都是建立在大数据技术基础之上的。在出现大数据这个说法的大约五年前，人们只能对网上的数据加以分析，而借助物联网，就可以收集现实世界的数据了。

有些办公设备制造商，将顾客的复印、打印机纳入网络，追踪用户的利用情况。也就是说，这些厂商时刻在关注用户卡纸、零部件损耗、墨粉、纸张使用情况等，以便能在顾客打来电话要求解决问题之前，主动与顾客联系，或者派遣销售人员前去处理。

比如，如果发现墨粉余量较低，负责监控的“远程管理中心”就会向仓库发出提前配送指令。仓库将墨盒配送到顾客附近的销售点，在墨粉完全耗尽之前送达顾客手中。如此一来，顾客就可以不间断地使用办公设备，而不会发生易耗品断档的情况。同时，通过监控还可以发现在夜间和假日也经常使用设备的顾客，于是通过为他们的办公场所配置经久耐用的设备，来尽可能地避免突发故障对顾客造成的业务影响。

这就是将物联网和大数据结合起来加以巧妙利用的事例。社会上关于大数据分析的事例似乎大多都关注如何通过运用大数据来提升自家公司的销售额和利润，而这些办公设备制造商所重视的，是如何减少顾客损失。

有效减少损失的大数据

——通过大数据提升销售额是一件难事吗？

非常困难。因此，现实生活中，应用大数据做得比较成功的，大多是在减少损失方面。这些企业会收集业务失败案例，存储相关信息加以分析。

比如，某家网络游戏公司对退会用户的行为模式进行了分析。当时，用户玩游戏要签订包月合约，公司最担心的是用户退会。那些退会用户都具有某种程度的相似行为模式。比如退会前，或点击量减少，或与其他用户的联系减少等。一旦出现这类模式特点，提前发现“疑似有退会之意的用户”，公司就会给他们优惠，或者提供新的游戏，想方设法留住他们。

有助于获得利润的数据特性是“未知的”，与之形成对照的，是我们从前述事例中可以看到的那种导致损失的数据特性，它们是“可知的”。因此，从短期来看，相较于提升销售额，大数据应用在减少损失的方面更具有切实效果。

信用卡公司为了及时发现盗用，会依据每个用户的购物记录一一制作购物行为模式，一旦出现偏离模式的购物方式，就会被怀疑为盗用。这也是旨在减少用户损失的大数据应用实例。