ITC Limited 是一家总部位于印度、市值数十亿美元的企业集团，在管理其快速增长的包装食品业务（尤其是饼干）的供应链方面面临挑战。饼干部门正经历着高需求波动和材料成本波动。ITC 现有的基于电子表格的工具没有考虑到其不断变化的成本结构，这使得该公司很难看到他们所做出的供应链决策的宏观影响。在其 17 家工厂网络中生产 120 多种不同的饼干 SKU 需要频繁进行制造转换，而农业部门的剧烈价格波动会影响其材料成本，这增加了成本优化的复杂性。此外，ITC 基于电子表格的规划使他们无法制定有效的中长期战略计划。

好时公司是巧克力和糖果行业的全球领导者，其供应链复杂且全球化。该公司拥有 8 家美国制造工厂、5 家成品配送中心，每年有超过 100,000 辆冷藏卡车运出，因此面临着降低运输成本和应对燃油费上涨的挑战。该公司的供应链必须处理美国和加拿大每年超过 20 亿磅的货物，其产品销往全球 90 多个国家。作为 2007 年启动的一项整体运输计划“绿灯计划”的一部分，好时决定投资于与运输相关的流程和技术改进，以获得高投资回报。

Grupo Flexi 是墨西哥一家领先的鞋类制造商，随着其产品种类的扩大，其供应链面临着日益复杂的问题。该公司每年生产超过 1300 万双鞋，每双鞋需要多达 30 种不同的部件和多种原材料。皮革是最重要的材料之一，其交货时间不等，从三周到三个月不等，具体取决于供应商。Flexi 从多个国家采购材料，并将其分发到其制造业务，其中包括 30 家公司自有和分包工厂。八年前，Flexi 决定扩大其产品种类，为不同的细分市场推出新产品。这一举措增加了管理更多原材料和库存单位 (SKU) 的复杂性，也增加了鞋类结构的复杂性，这需要不同工厂具有不同的专业化和产能。

Grupo Damm 是一家位于西班牙巴塞罗那的著名啤酒厂，其过时的运输管理解决方案正面临挑战。该公司的供应链变得更加复杂，客户距离也越来越远。因此，通过集成系统严格控制分销链并更好地满足客户需求对公司来说至关重要。现有的解决方案实施于十多年前，已经过时。为了降低人力和管理成本，同时利用软件中的附加功能，Grupo Damm 决定升级其 JDA 运输管理解决方案。

菲亚特克莱斯勒汽车公司 (FCA) 是全球第七大汽车制造商，由于全球汽车需求的增长，该公司在提高生产速度和一致性方面面临挑战。该公司的工厂和供应商产能都已满负荷运转，导致产能瓶颈。识别和管理这些限制因素成为 FCA 的首要任务。该公司需要一种解决方案，帮助他们尽早识别这些产能瓶颈并努力解决这些问题，从而提高交付速度。

卡特彼勒物流公司是一家领先的建筑和采矿设备、柴油和天然气发动机、工业燃气轮机和柴油电力机车制造商，该公司致力于改进现有流程、培养知识渊博、高效的用户、加强客户关系并根据行业最佳实践建立定制的内部培训。该公司在许多物流流程方面拥有丰富的经验，包括入站物流、售后服务支持、成品配送和逆向物流。然而，它需要一个能够帮助其优化这些流程并提高客户满意度的解决方案。

德尔福汽车公司 (Delphi Automotive PLC) 是全球领先汽车制造商的主要供应商，该公司面临着将提高交付速度和产品定制融入其运营的挑战。该公司在短时间内按照预先定义的顺序组装和交付关键部件到汽车 OEM 装配线。由于德尔福产品的复杂性，这尤其具有挑战性。例如，一条电线束可能由数百英里的电线组成，连接到车辆内的数千个点。德尔福认识到需要一种自动化决策支持工具来帮助其支持这些日益复杂的按订单生产要求。

Briggs & Stratton 是世界上最大的户外动力设备用风冷汽油发动机生产商，其仓库劳动力管理方面面临挑战。该公司的替换零件部门从两个设施向世界各地运送售后市场和服务零件。它处理 70,000 到 75,000 个 SKU，代表着 4000 万到 4500 万美元的库存。2003 年之前，Menomonee Falls 配送中心 (MFDC) 没有标准化的员工工作方式或衡量生产力的方式。MFDC 管理团队认为，如果他们标准化工作方法、设定目标和衡量结果，他们可以提高生产力。为了帮助研究这一假设，威斯康星大学供应链联盟进行了一项研究，结果表明，如果 MFDC 部署劳动力管理技术，则投资回报机会巨大。

Edwards Lifesciences Corporation 是心脏瓣膜和血流动力学监测领域的全球领导者，该公司一直在努力了解和满足需求。该公司销售约 5,500 个血流动力学监测器和重症监护产品 SKU，交货速度是其业务的重要组成部分。当客户订购产品时，他们希望进行已安排好的手术。如果 Edwards 没有产品或无法足够快地交付产品，手术就必须推迟或延迟。就心脏瓣膜而言，没有产品或无法快速交付产品可能会给需要心脏瓣膜的患者带来健康风险。2009 年之前，该公司一直在努力提高预测准确性。商业团队的预测是“理想化的”，而供应链方面的预测往往基于统计。他们最初无法就使用哪种预测达成一致，结果他们生产了大量错误的产品组合。

欧莱雅是全球最大的化妆品公司，希望通过改善集团各个层面的知识传递来优化其全球团队的效率。为了实现这一目标，欧莱雅于 2012 年为其员工部署了由微软开发的社交网络平台“Yammer”。三年后，23,000 名欧莱雅员工自愿使用内部社交网络。然而，为了加强 Yammer 中对话的质量方面，欧莱雅运营部门希望确定对话领导者并激发业务知识传递的行动。

PagesJaunes.fr 是法国版的黄页，是网络、移动和印刷领域本地广告和信息的领导者，每年产生数亿次查询。结果的质量和相关性是 PagesJaunes 的首要任务。类别经理负责通过创建术语和类别之间的相关关联来维护目录的质量和相关性。挑战在于在不增加工作量的情况下改善用户体验。客户希望找到一种解决方案，帮助他们衡量和提高客户满意度，帮助类别经理自动检测和纠正有问题的查询，并优化结果质量以提高客户满意度。

保险机构不断面临欺诈风险，包括虚假索赔、虚假账单、不必要的程序、精心策划的事件和隐瞒信息。Santéclair 是几家补充健康保险公司的子公司，一直在努力应对来自验光师和患者的欺诈性报销。他们缺乏一个能够有效分析正确数据并适应日益复杂的欺诈者的系统。相反，他们依靠“if-then-else”业务规则来识别可能的欺诈案件，这导致人工审计团队将时间花在太多低风险案件上。随着报销额的增加（每年超过 150 万），他们需要提高效率和生产力。

Showroomprive 是欧洲领先的电子商务公司，面临着客户流失的挑战。该公司使用静态规则来触发营销活动，这些活动适用于所有客户，并未考虑到每个客户的个人价值。这种方法无法有效防止客户流失并提高客户忠诚度。Showroomprive 希望改进其客户资格流程，以预测、预防和降低客户流失率。该公司旨在根据个人购买率发现很有可能不再从网站购买的客户，并针对每个潜在客户改进营销活动的定位，以提高客户忠诚度。

Trainline 是欧洲领先的独立火车旅行平台，在监控和改善其营销收购方面面临挑战。付费广告活动全天候运行，用户全天候与这些广告互动，静态仪表板已不再足够。该公司需要一个动态的实时数据工具来获得准确的营销洞察。他们投资了许多不同的服务和解决方案来维持增长，但这些服务和解决方案并不总是易于管理。该公司决定构建一个集中的、全球性的实时仪表板，以全面了解他们的营销收购。挑战是从头开始一个大数据项目，确保技术团队最终获得一个工具，使他们能够提高和升级自己的技能，同时快速有效地满足营销部门的要求。

Voyage Privé 是一家精品度假零售商，它面临着为客户创建个性化优惠展示的挑战。该公司需要扩大可以捕获和分析的客户信号范围，以便为其会员提供合适的旅行选择。这需要一个软件解决方案，可以捕获和理解大量数据，开发有效的客户细分，并实施一种新的非基于规则的方法来分析传入和历史数据。最终目标是通过为用户提供个性化的优惠选择来提高客户满意度，同时提高客户的总交易价值。

医疗行业正在努力应对患者失约率高的问题，研究表明，5-10% 的预约患者会错过预约。这对医疗机构的财务状况及其照顾其他患者的能力产生了重大影响。初级保健医生每失约一次，平均损失 228 美元，专科医生的收入损失甚至更高。当患者错过预约时，包括人员配备、保险和水电费在内的间接费用将无法报销。初级保健医生取消预约还会影响这些医生可以进行的必要专科转诊数量。这些因素加在一起，导致医生的收入损失惨重。为了帮助最大限度地减少失约的发生，从而降低相关成本，Intermedix 决定开发并实施一种失约预测器，以帮助办公室经理安排预约。

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。

欧洲一家领先的零售商拥有 3,500 多家门店和电子商务部门，由于价格被竞争对手压低而亏损。他们还发现，他们的客户群倾向于等到季节结束时才进行大幅降价，而且只会购买某些季节性产品，这扭曲了他们对未来如何进货的预测，并延续了定价问题。此外，他们很难有效地调整价格并保持门店和线上的一致 - 通常，这会导致定价不一致，尤其是当各个门店经理自行决定销售时。该零售商希望通过了解客户购买特定产品的决策因素以及哪种价格最能引起共鸣、轻松实时了解所有竞争对手提供的价格以及在门店和线上一致更新定价来改进他们的定价策略。

BGL BNP Paribas 是卢森堡最大的银行之一，它已建立了一个机器学习模型，用于高级欺诈检测。然而，由于可见性有限和数据科学资源有限，该模型基本保持静态。业务团队热衷于更新模型，但由于缺乏对数据项目和数据团队的访问权限，因此面临挑战。挑战在于在整个组织的所有部门中采用数据驱动的方法。银行需要一种解决方案，既能使整个公司的数据访问和使用民主化，又不会损害数据治理标准。

Dentsu Aegis 是一家媒体购买公司，它使用有针对性的细分来分配广告商在各种媒体上的广告活动预算。在向潜在客户推销其服务时，销售人员会推荐最适合通过特定广告活动定位的特定细分市场，以最大化回报。在完成销售后，团队需要能够兑现这些承诺，并通过有效的细分真正实现回报最大化。然而，该部门很难快速向销售团队提供细分建议。团队建立了一个数据湖来从多个来源收集数据，但实际使用这些数据意味着每次都要开始编写新代码（Python、Spark 或 SQL）的痛苦过程。每次他们有一个项目时，团队成员都必须编写查询、获取结果、使用另一个工具分析这些结果，并编写更多代码来重新处理和使用数据。由于没有简单的方法来复制过去的工作，每个项目都需要他们从头开始他们的流程，无论两个潜在客户或客户的用例有多么相似。

2017 年，欧洲领先的移动通信提供商 LINK Mobility 决定扩大其数据工作，以处理内部请求和外部客户。他们的主要产品是移动消息服务，每年在全球范围内发送超过 60 亿条消息，其中包含与各种服务相关的发票、付款和凭证。他们产生大量数据，并看到了扩展其产品的机会，以便为客户提供更多有关其消息和服务交付和性能的数据驱动洞察。他们希望扩展到客户仪表板以及根据这些数据采取行动的能力。然而，由于项目开始时只有一个人的数据科学团队，他们需要能够快速轻松地启动和运行。他们还需要找到一种工具，使他们能够扩展来自公司内部的数据请求，并具有足够的灵活性来为客户提供数据洞察，而无需使用两种不同的工具或平台来满足他们的各种需求、用例和数据类型。

Coyote 是法国一家领先的实时道路信息公司，在留住客户群和提高服务质量方面面临挑战。该公司希望优化其忠诚度计划，以鼓励客户增加设备使用量。为了实现这一目标，Coyote 需要一种技术解决方案，使他们能够根据用户资料细分客户群，限定传入数据，并通过匿名数据分析量化设备使用情况。该公司明白，收集的数据越多，服务就越好。因此，提高留存率对于提高服务质量和吸引更多用户至关重要。

DAZN 是一家订阅体育流媒体服务公司，该公司希望在现有市场和新市场中拓展业务。他们希望让小型数据团队能够大规模运行预测分析和机器学习项目。他们还希望找到一种方法，让不一定具备技术或机器学习经验的数据分析师能够以有意义的方式为有影响力的数据项目做出贡献。目标是以高级分析和机器学习为业务核心，支持底层数据文化。

英国一家大型医疗服务提供商正努力解决人员配置效率低下的问题，导致医生过度劳累、患者不满和成本高昂。该医院的人员配置流程主要是手动的，并且基于可用床位数量，这无法有效分配人员配置时间。缺乏数据驱动的决策阻碍了医院提供最佳护理和留住最佳医生的能力。该医院寻求一种技术解决方案，使其能够小规模地模拟患者流量，并根据患者需求预测推荐人员配置计划。

Infopro Digital 是一家跨媒体公司，希望为其广告客户提供更高级的定位选项。他们希望利用用户的导航路径和行为来更准确地定位那些可能对特定广告感兴趣的人，而不是使用基本的类别定位。这种高级定位需要经验丰富的技术团队来处理庞大的数据湖。然而，Infopro Digital 的营销团队需要能够自己处理查询和大部分日常工作，而无需每次都借助 IT 部门的帮助。营销团队之前对使用 Microsoft Excel 处理数据有一些了解，但他们对其计算和速度限制感到沮丧。Infopro Digital 还希望在公司内部开发任何新流程和技能，以降低成本和生产延迟。

OVH 是一家全球超大规模云服务提供商，其仪表板系统面临挑战。负责传播数据和见解以指导网站商业化和优化的业务分析师将 80% 以上的时间花在仪表板的数据准备上。现有仪表板仅提供基本的高级指标，并未结合不同的数据源以提供完整的视图。这需要进行临时分析，而分析师几乎没有时间进行此类分析。此外，仪表板的 ETL 流程让数据架构师对数据和见解的质量感到担忧，因为缺乏关于到底转换了哪些数据以及如何转换的透明度。

PriceMoov 是一家为客户提供最佳定价建议和解决方案的服务公司，但它面临着来自旧 SI 系统、Oracle 或 MySql 的数据的挑战。这些数据很脏，需要专职开发人员用 PHP 执行冗长的 ETL 步骤进行清理。清理后，数据集被痛苦地输入到模型中，因为它们是定制的管道。完成后，为下一位客户复制和部署的过程需要数周时间。这个漫长而艰巨的数据准备过程导致定价建议过时。

SendinBlue 是一家关系营销 SaaS 解决方案公司，在验证新客户和确保数据库质量方面面临巨大挑战。该公司必须确保列表中的所有联系人都已选择加入，这需要手动验证。这个过程不仅耗时且需要大量人力，而且还严重延迟了客户的帐户验证，损害了 SendinBlue 的声誉。随着客户群的增长，手动验证变得越来越不可行。该公司需要一种可以自动化验证过程并随着需求增长而扩展的解决方案。

不列颠哥伦比亚省技术安全局 (Technical Safety BC) 是一家独立的自筹资金组织，负责监督加拿大不列颠哥伦比亚省技术系统和设备的安全安装和运行。进行物理评估成本高昂，而误报检查每年都可能导致重大的机会成本。这些资源可以在安全系统中得到更好的分配；因此，找到一种更准确地预测危险的方法对该组织具有很高的战略价值，并为公众带来更大的安全效益。不列颠哥伦比亚省技术安全局希望通过在风险评估过程中引入更复杂的机器自主性，在资源水平相同的情况下找到更多的高危地点。面临的一些挑战包括：不协调的异构数据源；数据质量；协作速度；以及使用机器推荐预测的培训挑战。

客户是西欧的一家大型医院，由于数据来源不协调、数据不规范且质量低劣、结果风险调整不足以及医生分析流程缺乏自动化，在准确衡量医生和医疗机构的绩效方面面临挑战。他们正在寻求采用负责任的医疗组织 (ACO) 模式来改善临床结果并在成本上展开竞争。一些临床流程，如开出昂贵或不必要的药物或建议住院时间超过需要的时间，不仅成本高昂，而且对患者护理不利。客户估计，在错误的时间实施错误的护理每年造成高达 160 万美元的损失，他们认为这个问题可以通过准确的医生分析来解决。