实例探究.

我们的案例数据库覆盖了全球物联网生态系统中的 19,090 家解决方案供应商。
您可以通过筛选条件进行快速浏览。

筛选条件
  • (5,807)
    • (2,609)
    • (1,767)
    • (765)
    • (625)
    • (301)
    • (237)
    • (163)
    • (155)
    • (101)
    • (94)
    • (87)
    • (49)
    • (28)
    • (14)
    • (2)
    • 查看全部
  • (5,166)
    • (2,533)
    • (1,338)
    • (761)
    • (490)
    • (437)
    • (345)
    • (86)
    • (1)
    • 查看全部
  • (4,457)
    • (1,809)
    • (1,307)
    • (480)
    • (428)
    • (424)
    • (361)
    • (272)
    • (211)
    • (199)
    • (195)
    • (41)
    • (8)
    • (8)
    • (5)
    • (1)
    • 查看全部
  • (4,164)
    • (2,055)
    • (1,256)
    • (926)
    • (169)
    • (9)
    • 查看全部
  • (2,495)
    • (1,263)
    • (472)
    • (342)
    • (227)
    • (181)
    • (150)
    • (142)
    • (140)
    • (129)
    • (99)
    • 查看全部
  • 查看全部 15 技术
  • (1,744)
  • (1,638)
  • (1,622)
  • (1,463)
  • (1,443)
  • (1,412)
  • (1,316)
  • (1,178)
  • (1,061)
  • (1,023)
  • (838)
  • (815)
  • (799)
  • (721)
  • (633)
  • (607)
  • (600)
  • (552)
  • (507)
  • (443)
  • (383)
  • (351)
  • (316)
  • (306)
  • (299)
  • (265)
  • (237)
  • (193)
  • (193)
  • (184)
  • (168)
  • (165)
  • (127)
  • (117)
  • (116)
  • (81)
  • (80)
  • (64)
  • (58)
  • (56)
  • (23)
  • (9)
  • 查看全部 42 行业
  • (5,826)
  • (4,167)
  • (3,100)
  • (2,784)
  • (2,671)
  • (1,598)
  • (1,477)
  • (1,301)
  • (1,024)
  • (970)
  • (804)
  • (253)
  • (203)
  • 查看全部 13 功能区
  • (2,573)
  • (2,489)
  • (1,873)
  • (1,561)
  • (1,553)
  • (1,531)
  • (1,128)
  • (1,029)
  • (910)
  • (696)
  • (647)
  • (624)
  • (610)
  • (537)
  • (521)
  • (515)
  • (493)
  • (425)
  • (405)
  • (365)
  • (351)
  • (348)
  • (345)
  • (317)
  • (313)
  • (293)
  • (272)
  • (244)
  • (241)
  • (238)
  • (237)
  • (217)
  • (214)
  • (211)
  • (207)
  • (207)
  • (202)
  • (191)
  • (188)
  • (182)
  • (181)
  • (175)
  • (160)
  • (156)
  • (144)
  • (143)
  • (142)
  • (142)
  • (141)
  • (138)
  • (120)
  • (119)
  • (118)
  • (116)
  • (114)
  • (108)
  • (107)
  • (99)
  • (97)
  • (96)
  • (96)
  • (90)
  • (88)
  • (87)
  • (85)
  • (83)
  • (82)
  • (81)
  • (80)
  • (73)
  • (67)
  • (66)
  • (64)
  • (61)
  • (61)
  • (59)
  • (59)
  • (59)
  • (57)
  • (53)
  • (53)
  • (50)
  • (49)
  • (48)
  • (44)
  • (39)
  • (36)
  • (36)
  • (35)
  • (32)
  • (31)
  • (30)
  • (29)
  • (27)
  • (27)
  • (26)
  • (26)
  • (26)
  • (22)
  • (22)
  • (21)
  • (19)
  • (19)
  • (19)
  • (18)
  • (17)
  • (17)
  • (16)
  • (14)
  • (13)
  • (13)
  • (12)
  • (11)
  • (11)
  • (11)
  • (9)
  • (7)
  • (6)
  • (5)
  • (4)
  • (4)
  • (3)
  • (2)
  • (2)
  • (2)
  • (2)
  • (1)
  • 查看全部 127 用例
  • (10,416)
  • (3,525)
  • (3,404)
  • (2,998)
  • (2,615)
  • (1,261)
  • (932)
  • (347)
  • (10)
  • 查看全部 9 服务
  • (507)
  • (432)
  • (382)
  • (304)
  • (246)
  • (143)
  • (116)
  • (112)
  • (106)
  • (87)
  • (85)
  • (78)
  • (75)
  • (73)
  • (72)
  • (69)
  • (69)
  • (67)
  • (65)
  • (65)
  • (64)
  • (62)
  • (58)
  • (55)
  • (54)
  • (54)
  • (53)
  • (53)
  • (52)
  • (52)
  • (51)
  • (50)
  • (50)
  • (49)
  • (47)
  • (46)
  • (43)
  • (43)
  • (42)
  • (37)
  • (35)
  • (32)
  • (31)
  • (31)
  • (30)
  • (30)
  • (28)
  • (28)
  • (27)
  • (24)
  • (24)
  • (23)
  • (23)
  • (22)
  • (22)
  • (21)
  • (20)
  • (20)
  • (19)
  • (19)
  • (19)
  • (19)
  • (18)
  • (18)
  • (18)
  • (18)
  • (17)
  • (17)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (15)
  • (15)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (10)
  • (10)
  • (10)
  • (10)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • 查看全部 737 供应商
Selected Filters
19,090 实例探究
丰田通过使用 Datadog 监控 AWS 实现更快、更安全的大规模部署
丰田汽车北美公司 (TMNA) 于 2015 年开始使用 Amazon Web Services (AWS) 来简化和标准化云中的应用程序开发并缩短上市时间。但是,该团队缺乏一致的监控工具,这带来了可靠性问题。一些开发人员使用开源工具,另一些开发人员使用日志管理工具,而有些开发人员什么都没用。因此,团队成员经常花费数小时试图找出中断的根本原因,因为他们不知道要查找什么或在哪里查找。由于总共有 1,600 个应用程序(300 个在云中)和 100 多个团队,这是一项艰巨的任务。除了获得统一的可见性之外,云平台团队还寻求缩短平均检测时间 (MTTD),并确保他们可以满足 99.9% 正常运行时间的 SLA,同时降低成本并帮助工程师提高效率。
Glovo 利用 Datadog 数据库监控扩展按需配送应用程序并消除停机时间
Glovo 是一家按需快递服务公司,业务遍及 25 个国家/地区。该公司面临着巨大的挑战,因为其数据库资源消耗无法跟上其预期的增长速度。随着公司开始向微服务迁移,它需要更好地了解其数据库,以降低 CPU 使用率并防止代价高昂的停机。随着运行的数据库和查询数量的增加,他们发现数据库配置不正确,并且经常达到 CPU 容量。这导致 2022 年停机时间长达三到四个小时。Glovo 使用的现有监控产品无法提供他们所需的洞察力。实时监控和警报的访问权限有限,阻碍了团队对问题的响应。他们还缺乏跟踪和比较当前和历史性能数据的能力,使得调查变得手动且繁琐。
E2 SHOP 如何帮助提高收入并发现错误
丹佛机械车间是一家家族式重型工业维修和原型机械车间,由于采用纸质系统,其在运营管理方面面临挑战。该系统效率低下,难以准确跟踪工作、账单和成本。该公司还担心错过重要细节,例如完成工作的实际时间。随着公司的发展,跟踪所有操作变得越来越困难。例如,有些情况下,工作发货时没有账单,如果没有全面的系统,公司就无法知道这一点。
Automation Outfitters 向 E2 ERP 系统的过渡
在实施 E2 ERP 系统之前,Automation Outfitters 一直在努力适应其之前的软件 Global Shop。公司中的每个人都在使用该软件,这导致瓶颈导致计算机速度减慢或完全停止运行。这种持续的中断阻碍了他们的整个流程,使他们的工作变得更加困难而不是更容易。该公司很快意识到需要一套替代的 ERP 系统来简化他们的运营并消除这些瓶颈。
波士顿大学与 Aravo 合作,旨在实现卓越的供应商管理
2009 年,波士顿大学开始实施一套新的人力资源、采购和财务 ERP 系统。由于新的 SRM 系统将于 2011 年 7 月上线,波士顿大学采购和采购团队面临着挑战和独特机遇。该团队将即将到来的实施视为进一步提高效率和增强对大学社区服务的机会。然而,他们很快就意识到,必须在 ERP 上线日期之前部署新的供应商管理策略。2009 年,超过 5,000 家主要供应商通过旧系统付款,分散的流程不断加剧了波士顿大学供应商信息的数据质量问题。最初的供应商数据审查很快发现了供应商重复、付款条件矛盾和记录不完整。进一步审查表明,从供应商处获取数据是一个完全手动的过程,几乎没有准确性验证。由于需要用这么少的员工来管理如此多的供应商,因此从未采取任何措施来纠正、更新或验证供应商数据。
GE 案例研究
由于供应链高度复杂,通用电气面临着管理全球 70 多万家供应商的复杂挑战。不同系统中的供应商主数据缺乏架构层次结构、供应商认证、合规性数据和合同。由于供应商信息和分类流程不准确,供应商迅速激增且缺乏适当的控制,整个企业的支出缺乏可见性。该公司需要一种解决方案,可以提供一个全球部署的单一供应商主数据管理解决方案,为整个组织的供应商创建一个“真实来源”。
StubHub 利用 Cloudinary 实现有效的数字资产管理
StubHub 是全球最大的票务市场,在从一个小型网站发展为一个拥有来自世界各地活动场所座位位置的图片、视频和自定义视图的网站的过程中,它面临着诸多挑战。该公司需要一种方法来简化图片管理,确保每张图片的关键焦点可以在多种设备上的 30 多个视口中查看。此外,StubHub 还必须解决数字资产管理问题,因为它使用来自合作伙伴的授权内容,并且经常收到第三方营销人员使用该网站图片的请求。该公司还必须应对网站上随时管理超过 120,000 个活跃活动的庞大规模,以及每天发布的 800 到 1,200 个新活动。StubHub 的目录包括 54,000 多个实体,其中包含需要不断选择、编辑和更新的多张图片。
Hub 帮助创意人才通过 Cloudinary 赢得品牌合作
Hub 是一个将品牌与创作者联系起来的在线市场,它面临着存储和调整创作者上传到平台上个人作品集的大型图像和视频文件大小的挑战。Hub 需要为每张上传的主图像提供多达 10 种独特的尺寸和宽高比组合,这是一个耗时的过程,给前端开发团队带来了沉重的负担。他们有两个选择:要么限制创意社区遵守最大像素大小和文件大小,要么允许创意人员上传大文件,然后手动将其缩小到所需的最大分辨率。这两个选择都不理想,因为它们要么限制了创意社区,要么给 Hub 团队带来了负担。
VELTRA 利用 Cloudinary 削减成本并改善视觉体验
VELTRA 是日本领先的在线旅游体验市场,由于新冠疫情导致网站流量下降,该公司面临着优化成本支出的挑战。该公司的网站严重依赖旅游目的地的精美图片,这直接影响了用户注册其服务的可能性。这些页面还需要具有高响应性,以防止用户离开网站。之前,VELTRA 使用内部图像优化工具,后来改用其内容交付网络 (CDN) 服务公司提供的工具。然而,随着网站服务的访问者数量和流程的增加,这项服务的固定月费也随之增加,导致淡季成本高昂。
Stencil 借鉴 Cloudinary 消除图像管理的复杂性
Stencil 是一个基于 Web 的图形设计平台,需要一种图像管理解决方案来处理每个设计中的图像渲染、操作和调整大小。创始人 Oliver Nassar 和 Adam Rotman 意识到构建自己的图像管理和转换平台的复杂性和潜在问题,例如存储和内存问题、管理服务器群以及构建如此复杂的系统所需的时间。他们正在寻找一种解决方案,可以省去麻烦,并为用户提供一种易于使用的方法来处理图像转换并提供完全符合他们需求的最终设计。
Cloudinary 为 Fairfax Media 的数字化转型提供简化的图像管理工作流程
2016 年,Fairfax Media 开始对其新闻机构进行广泛的数字化转型,其中包括简化图片管理和交付工作流程。高效的发布工作流程对于 Fairfax Media 的记者来说至关重要,他们负责发布文章,包括图片等支持资产。从历史上看,大量的制作时间都花在处理图片上,以确保它们针对不同的目标设备和观众的格式进行了优化。这个过程令人沮丧,因为它占用了他们宝贵的核心报道、写作和编辑工作时间。该团队最初考虑开发自己的内部图片管理解决方案,但决定将这些任务外包给商业合作伙伴,以节省时间和资源。
Cloudinary 帮助 PetRescue 专注于帮助宠物找到永久的家
PetRescue 是一家总部位于澳大利亚的非营利组织,其图像管理系统面临挑战。该组织帮助脆弱的动物找到新家,在很大程度上依赖于允许用户上传潜在宠物照片的能力。然而,现有系统既复杂又耗时。当用户创建列表时,必须将他们的动物照片上传到前端服务器,然后上传到 Amazon AWS S3 存储桶,排队、处理,然后发送回 S3 并更新图像。这个过程经常导致延迟和断点,而且该组织无法为用户提供任何裁剪或调整大小的功能。此外,该组织正在努力优化其网站以适应移动用户,而移动用户是该网站越来越重要的用户群体。
Cloudinary 担任主角,助力 MoviepiloT 聚焦核心业务
Moviepilot Inc. 是一家媒体公司,为电影和电视迷提供网站和社交发布平台,但其基础设施面临挑战。该公司最初在柏林的硬件上运行其平台,但由于网站针对美国受众量身定制,因此需要依靠内容分发网络 (CDN) 来减少延迟并提供最佳用户体验。该公司投入了大量资源来确保 Moviepilot 平台上的图像正常运行,这分散了其对核心业务的关注。
Reformation 利用 Cloudinary 设计引人入胜的购物体验
Reformation 是一家总部位于洛杉矶的时尚品牌,主要专注于电子商务,超过一半的客户使用移动设备访问其网站。该公司正在使用其电子商务平台 Workarea 附带的开箱即用内置功能。它利用可自定义的 RubyGem Dragonfly 在 Ruby on Rails 中生成缩略图。但是,这种解决方案带来了问题,因为它要求每个网站访问者都以相同的分辨率下载相同的图像。这要么导致高分辨率屏幕上的品牌和产品图像质量出现问题,要么要求客户使用不必要的带宽,具体取决于他们用于访问网站的平台或设备。此外,该公司还在网站上试验视频,通过 Vimeo 集成剪辑。但是,性能不稳定,并没有达到它希望为访问者提供的高质量体验。
Deporvillage 与 Cloudinary 合作,实现最佳性能
西班牙最大的在线体育零售商 Deporvillage 在管理其网站时面临挑战,该网站包含其提供的 8,000 多种季节性产品的多张图片。该公司的工程团队承担了使用 Amazon S3 存储和提供越来越多的产品图片的成本。他们需要确保所有图片都具有响应性并针对大小和速度进行了优化,因为移动设备约占其网络流量的 70%,并且所有转化的约 55% 都来自移动设备。该公司使用六种不同的语言管理其网站,并且需要不断添加或删除高周转率商品的图片,或应对季节性促销。
为高水平运动员打造的高性能应用程序
Under Armour 是高性能鞋类、服装和设备的全球领导者,该公司希望通过 Under Armour Connected Fitness™ 平台扩展其品牌。该平台通过一套应用程序为世界上最大的数字健康和健身社区提供支持:UA Record、MapMyFitness、Endomondo 和 MyFitnessPal。在 Under Armour 创建 UA Record 时,开发人员开始寻找一种解决方案,使其能够承载大量图像和视频,并简化图像大小调整和转换。该公司的各种健身应用程序(鼓励专业运动员和周末勇士分享他们的锻炼图片和其他细节)拥有超过 1.5 亿注册用户。开发人员研究了各种可以满足他们需求的解决方案。
Bleacher Report 凭借 Cloudinary 提供的实时视频精彩片段大获成功
Bleacher Report 正在寻求一种方法来进一步增强其内容产品,即在比赛进行时提供简短的视频集锦。但由于近 85% 的用户通过移动设备访问 Bleacher Report 内容,该公司需要确保能够快速创建简短的视频集锦并完美地流式传输,无论观看设备或带宽如何。向不同设备的用户提供视频内容并非易事。为此,Bleacher Report 必须对每个视频进行处理和优化,以适应每种观看设备、视口和带宽。
在 Cloudinary 上出售的公寓列表用于图像管理
Apartment List 是一家快速发展的在线租赁市场,2011 年创建其第一个网站时面临巨大挑战。该公司需要上传数百万张公寓内部、房产外部和其他客户图片,并将它们提供给使用该网站的潜在租客。最初的系统是劳动密集型的,需要两名全职工程师来维护原生构建的系统。尽管有专门的人力,但工程团队无法为设计团队提供他们所需的所有图像分辨率和宽高比。存储是另一个问题,因为 Apartment List 一次会收到数千张甚至数百万张图片,因此它需要一个可靠的存储平台来处理网站上不断增长的图像和房产库。
lastminute.com 利用 Cloudinary 让度假套餐看起来更逼真
lastminute.com 是一家领先的欧洲在线旅游和休闲零售商,它面临着管理跨多个团队和存储库的 120,000 多张图片的挑战。该公司一直在将 Cloudinary 用于特定用例,例如由技术团队管理的酒店图片。与此同时,一个专门负责手动资产管理的团队使用不同的 DAM 提供商进行编辑。另一个挑战是修改新活动的图片是一项耗时的任务。这个过程可能需要数周时间,这限制了 lastminute.com 快速启动新活动的能力,这些活动将让度假者利用限时优惠。
Hipcamp 走向户外,利用 Cloudinary 优化图像并缩短页面加载时间
Hipcamp 是一个帮助露营者发现绝佳目的地的网站,它在管理露营者和房主上传的数千张不同质量、大小和格式的图片时面临挑战。开发人员必须单独重新格式化、裁剪和调整每张照片的大小,以满足 Hipcamp 的质量标准。为了确保这些图片无论以何种方式查看都能正确显示,开发人员必须制作多个版本的图片,专门设计用于台式机、平板电脑或手机查看。但由于团队只有 11 名工程师,他们全程负责工作,管理图片可能是一项全职工作,使他们没有时间专注于不断创新公司为用户提供的产品。
比赛、阵容、对决。Babolat 借助 Cloudinary 实现媒体管理
Babolat 是 B2B 球拍运动器材销售领域的领导者,该公司正计划重新设计其品牌网站,以推出其 B2C 电子商务业务。该公司需要一款数字资产管理 (DAM) 解决方案来成为这些变化和数字化转型的核心。Babolat 计划于 2020 年在 8 个亚洲和欧洲国家推出一个新的品牌网站,并于 2021 年在美国推出。该公司专注于设计一个电子商务生态系统,其中包含顶级球员使用其装备的精彩视频,以及一个展示其产品和品牌的图片丰富的网站。Babolat 的团队开始研究各种 DAM 解决方案,以便通过集中的资产库实现高效管理,并能够轻松与外部团队共享。
Cloudinary 消除了复杂网络图像管理的复杂性
Complex Networks 是一家全球生活方式品牌和媒体公司,它为不同的网站使用各种内容管理系统 (CMS),每个系统都有自己的图片管理流程。这给在多个网站上工作的团队带来了不必要的复杂性。这个过程对编辑和开发人员来说都很繁重,他们必须精通多种 CMS,并了解每个网站独有的格式、大小和限制。编辑通常必须为每个网站创建和上传多达六个不同版本的图片,并且经常必须与开发团队合作,以确保图片适合各个网站。这导致流程非常耗时,并延长了上市时间。即使实施了这些流程,Complex Networks 仍发现其许多页面未得到优化,因为一些编辑没有遵循标准,上传了过大的图片,导致页面加载时间变慢并影响了访问者的体验。
Stylight Fashions 与 Cloudinary 合作推出图片密集型零售搜索引擎
Stylight 是一家时尚和设计零售搜索引擎,它面临着管理和处理每周添加到其网站的数千张新图片的挑战。由于开发团队规模较小,该公司需要一种高效的方式来确保这些图片可以在 16 个国家/地区的消费者使用的任何设备上快速、最佳地查看。该团队考虑了本地选项,这将要求公司托管和存储自己的图片,但最终决定寻找云解决方案。
然后……行动!Atom Tickets 凭借动态媒体转换抢尽风头
Atom Tickets 是一款社交电影票务应用程序和平台,最初是一个仅面向 iOS 和 Android 用户的移动平台。他们使用 Amazon Web Services (AWS) 在 Amazon Simple Storage Service (S3) 和 Amazon Cloudfront 上存储图片和电影预告片,然后使用 Fastly 作为其内容交付网络。然而,随着公司的发展,并于 2016 年推出了其平台的网站版本,他们意识到需要一个强大的媒体管理平台,该平台具有集成存储和 CDN,以支持所有接触点的更大规模客户。他们还代表 Regal Theaters 推出了一个第三方网站,这需要其自己的内容经理以自助方式管理他们的资产。Atom Tickets 需要一个强大的解决方案,可以支持大规模图像、预告片视频和其他富媒体资产,例如需要大量带宽的动画静态图片。
Cloudinary 为 Vorwerk 的 Thermomix® 平台提供美味的图像和视频
Vorwerk 是一家以高科技家用电器闻名的德国公司,它在向其 Cookidoo® 食谱平台提供高质量图像和视频方面面临巨大挑战。该平台拥有超过 66,000 种数字食谱,可通过网络、移动应用程序和新一代 Thermomix® 智能厨房电器使用。向全球所有电器和网站快速提供视觉内容是一项巨大的挑战。Vorwerk 需要一个内容交付网络 (CDN) 来高效地向其服务的所有地区提供图像和视频。这在中国尤其具有挑战性,因为内容必须通过本地 CDN 进行交付。此外,物联网设备(如其旗舰 Thermomix® 电器)对视频编解码器有特殊的要求。不同的用例需要不同的视频变体,这需要时间、资源和技术技能才能正确完成,这使得 Vorwerk 必须解决一个非常复杂的情况。
Bloomsbury 翻开新篇章,利用 Cloudinary 出版高分辨率数字图书
Bloomsbury Publishing 的学术部门着手开展一项雄心勃勃的项目,将百科全书、研究和来自博物馆和私人收藏的图片以及存档的古代手稿和非常古老的印刷书籍数字化。完成的数字产品随后将出售给大学和其他学术组织,这些组织将把内容提供给所有学生和工作人员用于研究和教育目的。这些书籍、手稿和博物馆藏品的图片将用作搜索结果的缩略图,合并到书籍视图中,以便用户可以数字方式翻页、放大和缩小。此外,所有产品都需要具有响应能力,因为访问者可以通过移动设备和笔记本电脑访问内容。另一个关键要求是强大而灵活的安全性。一些图像将作为营销工作的一部分免费提供给公众,而那些属于出版内容(书籍、百科全书和博物馆藏品内)的图像则需要受到限制,以便只有购买者和授权用户才能访问内容。
CloverETL 帮助 NDP 更好地了解其选民
加拿大新民主党正面临一个两难境地。可用数据量不断增长,而他们自制的数据集成解决方案已无法处理这些数据。他们需要找到一种方法来处理这些数据,否则就会失去与选民有效合作的机会。新民主党对高质量数据的追求始于来自加拿大选举局、Canada411、新民主党地区同行等组织的一百多个数据集。他们需要一个解决方案来匹配这些记录,清理、复制和删除错误记录,使用外部和内部验证器验证它们,并将它们迁移到新民主党系统中。
领先的电子商务网站将数据置于成功的核心
这家在线零售商自成立以来,短短几年内就实现了快速增长。他们以技术为先,一直在寻找一种数据解决方案,以便更好地帮助组织的各个领域,并能够随着公司的扩张而扩展和支持。他们决定建立数据仓库,以便快速访问运营数据中蕴含的价值。通过部署灵活的数据湖,他们可以通过复制数据库直接访问源系统。IT 团队的主要要求之一是更轻松地处理业务变化,并能够从数据中快速获得业务问题的答案。虽然传统数据仓库是为了回答特定问题而构建的,但访问源数据的能力意味着公司可以采用更灵活、响应更快的方法,并快速获得所需的宝贵见解。
CloverETL 帮助加速 ProcessGold 的流程挖掘工作流程
ProcessGold AG 是一家专门从事流程挖掘的公司,流程挖掘是一门商业智能 (BI) 学科,它允许顾问根据数字足迹重建、可视化和分析客户组织内的流程。这些足迹可以是 SAP 中的记录、财务交易日志或任何其他参与信息源。流程挖掘的成功在很大程度上取决于输入分析的数据的完整性、准确性和质量。在实施 CloverETL 之前,ProcessGold 会耗费高达 80% 的项目时间来提取所需数据并准备进行分析。这是一个巨大的挑战,因为它减少了可用于核心分析业务的时间,并确保为客户提供更高的透明度。
数据质量和地址验证
这家物流公司面临着向新地区扩张的挑战,这意味着需要更多的地址数据,而这些数据的验证和解释非常困难。特别是在新兴市场,该公司面临着地址结构和规则方面的巨大区域差异,并且不得不应对处理这些数据的工具和数据库的可用性或缺乏。该公司组建了一个数据质量团队,负责手动验证和清理数据,轮班工作以满足隔夜交付的最后期限。然而,快速处理更多数据对人力的需求不断增长,这成为阻碍公司进一步扩张的瓶颈。

联系我们

欢迎与我们交流!

* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

Thank you for your message!
We will contact you soon.