隐私倡导者有理由担心用户向像谷歌这样的商家提供获得如此多的信息。然而本文以不同的角度分析所有这些科技企业将这些数以亿计的数据转换为一些非常有用的信息，并在预测数据分析领域可能的革命。
谷歌音乐播放器
音乐应用程序利用历史数据推荐新播放列表已有很长一段时间了。但谷歌正在用他们新的音乐播放器做一些不同寻常的事情。最近，该公司推出了新的音乐播放器，利用数十个数据源比其他任何产品更准确地推荐音乐。信息的主要来源当然是你听过的音乐。但这不是全部。谷歌现在使用许多影响你音乐偏好的其他因素。例如，您可以在工作时选择古典音乐, 在健身房选择活泼的歌曲你的，或者在旅行时选择浪漫的歌曲。现在谷歌的机器学习算法利用其他因素找到你的音乐偏好，如位置（例如在工作中或在健身房），天气（下雨或晴天），甚至从您的电子邮件或日历的其他细节为您找到完美的播放列表建议。
Uber餐馆指南
作为各种服务中的一种，Uber除了接送人出入餐厅，还有非常有价值的数据点，可以告诉用户它的顾客喜欢去任何位置的哪家餐馆。Uber现在想出一种餐馆指南，使用这些数据连同其他实时信息如下客区的数量，所使用的车辆类型和位置趋势来准备它的餐厅指南。下客区的数量也许能告诉你关于流行度以及等待时间，车辆类型可以是餐厅高档与否的指标，而位置趋势可以用来向没有特定目标的用户推荐餐馆。到目前为止, Uber餐馆指南只在美国12个城市运行，尽管这可能会在未来增多。
苹果的实验
如果有一个产品将机器学习带入主流，它也许是苹果的Siri。iPhone上的语音助理利用深度学习（这与传统的机器学习略有不同）进行语音识别，自然语言理解，执行和声音响应。自从纳入了iPhone，该软件经历了沧海桑田的变化，使用机器学习与深层神经网络，卷积神经网络，长期短期记忆单元，封闭递归环节和N元文法减少错误率。除了Siri本身，苹果也彻底将机器学习应用到所有的产品上，从显示提醒你从未考虑到的赴约到进入日历，甚至在你输入之前显示酒店的地图位置以及检测苹果商店上的欺诈产品。
脸书上的FBLearner流
在脸书上存储和处理的数据量是巨大无比的。最早的脸书用户现在有超过十年的照片和视频存储在时间轴上，需要在必要时随时停止。现在考虑到十亿月度活跃用户，仅规模上所面临的挑战也很明显。去年，该公司提供了它的人工智能（AI）支柱，叫做FBLearner流，让公司更宽广。这个平台控制机器学习的每一分钟和脸书许多产品中的人工智能。除了明显的特性，比如决定合适的内容和朋友显示在时间轴上，FBLearner流还包括许多复杂的机器学习系统模型。
举例来说，一个模型可以帮助脸书对它的广告提供视频的自动字幕。研究表明, 加字幕的视频比普通视频带来更高的接触水平，可以提高观看时间高达40%。很显然，这样的机器学习脚本是带来更多广告收入的关键。这样的内部机器学习模型也帮助脸书减少对第三方工具的依赖去翻译每天近二十亿新闻提要条目。（脸书早先使用微软必应的翻译工具）。
大多数这些机器学习创新对门外汉的用户不会立即明白，只被当作一个小小的更好的用户体验。但是在每一种情况下，公司必须处理数百万，甚至数十亿的数据点进行分析、执行、测试和概念的再学习。我们有兴趣知道，这些不同的实验在接下来的十年会引着我们走向何方。
大数据分析软件是一类集合了各类数据分析的强大的数据分析工具，它能够从海量的数据中提取出 最有效的信息，在企业的营销中发挥关键性的作用，谁能够更好的利用大数据分析工具就能够在竞争中 处于更加有利的位置。工欲善其事，必须利其器，一个好的工具可以使我们的工作事半功倍。让我们在 竞争日益激烈的云计算时代，挖掘大数据价值，及时去调整战略方向，让企业爬上最高层。如奥威Power-BI大数据分析平台，包括数据转换管理（ETL）、OLAP数据库设计、元数据管理、WEB多 维报表设计、多维动态分析、智能钻取、智能报告、数据填报、移动应用、微信应用、单点登陆等10余 项功能，专注企业级应用，更符合中国企业信息化现状及需求。
